大规模复杂网络的社区发现算法研究
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 社区发现研究现状 | 第13-14页 |
| 1.2.2 社区发现研究所面临的问题 | 第14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第二章 社区发现算法综述 | 第17-29页 |
| 2.1 基础知识 | 第17-21页 |
| 2.1.1 图模型 | 第17页 |
| 2.1.2 度、平均度和度分布 | 第17-18页 |
| 2.1.3 最短路径长度和平均路径长度 | 第18-19页 |
| 2.1.4 聚类系数 | 第19-20页 |
| 2.1.5 社区结构和模块度 | 第20-21页 |
| 2.2 传统社区发现算法 | 第21-25页 |
| 2.2.1 基于图分割的算法 | 第21-22页 |
| 2.2.2 层次聚类算法 | 第22-24页 |
| 2.2.3 模块度优化算法 | 第24-25页 |
| 2.3 大规模复杂网络的社区发现算法 | 第25-27页 |
| 2.3.1 并行社区发现算法 | 第25页 |
| 2.3.2 局部社区发现算法 | 第25-26页 |
| 2.3.3 减小网络规模社区发现算法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于抽样的大规模复杂网络社区发现算法 | 第29-35页 |
| 3.1 引言 | 第29页 |
| 3.2 基于抽样的大规模复杂网络社区发现算法 | 第29-33页 |
| 3.2.1 基于随机游走的偏采样抽样子算法 | 第29-31页 |
| 3.2.2 基于标签传播的扩充子算法 | 第31-32页 |
| 3.2.3 基于抽样的社区发现算法 | 第32-33页 |
| 3.3 实验分析 | 第33-34页 |
| 3.3.1 数据集 | 第33页 |
| 3.3.2 度量指标 | 第33-34页 |
| 3.3.3 实验结果与分析 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于压缩的大规模复杂网络社区发现算法 | 第35-47页 |
| 4.1 引言 | 第35-36页 |
| 4.2 基于压缩的大规模复杂网络社区发现算法 | 第36-43页 |
| 4.2.1 压缩子算法 | 第36-39页 |
| 4.2.2 基于质量与度的社区发现算法 | 第39-43页 |
| 4.2.3 基于压缩的社区发现算法 | 第43页 |
| 4.3 实验分析 | 第43-45页 |
| 4.3.1 数据集 | 第43页 |
| 4.3.2 度量指标 | 第43-44页 |
| 4.3.3 实验结果与分析 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间取得的研究成果 | 第53-55页 |
| 致谢 | 第55-57页 |
| 个人简况及联系方式 | 第57-61页 |
