| 提要 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 复杂网络概述 | 第12-15页 |
| 1.1.1 复杂网络的研究意义 | 第12-13页 |
| 1.1.2 复杂网络的研究概况 | 第13-15页 |
| 1.2 复杂网络社团结构 | 第15-19页 |
| 1.2.1 社团结构简述 | 第15-18页 |
| 1.2.2 社团发现的研究意义 | 第18-19页 |
| 1.3 本文工作 | 第19-22页 |
| 第2章 社团发现方法概述 | 第22-34页 |
| 2.1 基于结点模式的社团发现算法 | 第22-31页 |
| 2.1.1 传统的结点社团发现算法 | 第22-28页 |
| 2.1.2 重叠社团发现算法 | 第28-31页 |
| 2.2 基于链接模式的社团发现算法 | 第31-34页 |
| 第3章 基于局部优化的蚁群算法探测大规模网络的社团结构 | 第34-54页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35-36页 |
| 3.3 算法 | 第36-42页 |
| 3.3.1 问题定义 | 第36页 |
| 3.3.2 主要思想 | 第36-37页 |
| 3.3.3 基于局部搜索的单层蚁群算法 | 第37-40页 |
| 3.3.4 基于局部优化的多层蚁群算法 | 第40-42页 |
| 3.4 实验 | 第42-51页 |
| 3.4.1 人工基准网络 | 第42-44页 |
| 3.4.2 真实世界网络 | 第44-45页 |
| 3.4.3 分辨率限制的分析 | 第45-49页 |
| 3.4.4 多尺度的层次结构 | 第49-50页 |
| 3.4.5 算法收敛性分析 | 第50-51页 |
| 3.5 结论与讨论 | 第51-54页 |
| 第4章 基于链接动力学的链接社团结构探测方法 | 第54-72页 |
| 4.1 引言 | 第54-55页 |
| 4.2 UELC 算法 | 第55-63页 |
| 4.2.1 UELC 概述 | 第55-56页 |
| 4.2.2 网络的二分方法 | 第56-62页 |
| 4.2.3 迭代二分过程的终止条件 | 第62-63页 |
| 4.3 实验分析 | 第63-69页 |
| 4.3.1 人工网络 | 第63-65页 |
| 4.3.2 真实网络 | 第65-69页 |
| 4.4 扩展 UELC 发现结点社团结构 | 第69-71页 |
| 4.5 结论与讨论 | 第71-72页 |
| 第5章 基于生成模型与非负矩阵分解的链接社团发现方法 | 第72-88页 |
| 5.1 引言 | 第72-73页 |
| 5.2 方法 | 第73-79页 |
| 5.2.1 生成模型 | 第74页 |
| 5.2.2 参数学习 | 第74-77页 |
| 5.2.3 一个演示的例子 | 第77-78页 |
| 5.2.4 自动确定社团数目 | 第78-79页 |
| 5.3 实验结果 | 第79-85页 |
| 5.3.1 人工网络 | 第80-81页 |
| 5.3.2 真实网络 | 第81-84页 |
| 5.3.3 生物网络应用 | 第84-85页 |
| 5.4 结论 | 第85-88页 |
| 第6章 结论与展望 | 第88-90页 |
| 参考文献 | 第90-104页 |
| 作者简介及在学期间所取得的科研成果 | 第104-108页 |
| 致谢 | 第108-109页 |