| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究工作背景与意义 | 第13-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第二章 复杂网络分析理论基础 | 第18-34页 |
| 2.1 复杂网络模型介绍 | 第18-23页 |
| 2.1.1 多层网络的超邻接模型 | 第19-20页 |
| 2.1.2 多层网络的张量表达 | 第20-23页 |
| 2.2 社团发现算法理论 | 第23-29页 |
| 2.2.1 社团发现算法介绍 | 第23-25页 |
| 2.2.2 凝聚层次聚类算法 | 第25-27页 |
| 2.2.3 社团发现算法验证框架 | 第27-29页 |
| 2.3 基于模体的复杂网络研究 | 第29-32页 |
| 2.4 网络影响力分析 | 第32-33页 |
| 2.5 本章小节 | 第33-34页 |
| 第三章 多维复杂网络的社团发现算法研究 | 第34-54页 |
| 3.1 基于改进的连边社团算法研究 | 第34-39页 |
| 3.1.1 连边社团算法原理 | 第34-36页 |
| 3.1.2 稠密网络问题及改进方法 | 第36-38页 |
| 3.1.3 相似性偏移问题及改进方法 | 第38-39页 |
| 3.2 多层网络模型连边社团检测算法实现 | 第39-44页 |
| 3.2.1 基于均值相似性的算法实现 | 第41-43页 |
| 3.2.2 基于最佳匹配的算法实现 | 第43-44页 |
| 3.3 实验及结果分析 | 第44-53页 |
| 3.3.1 MLCD与LCD算法测试 | 第45-48页 |
| 3.3.2 多层网络算法测试 | 第48-53页 |
| 3.4 本章小节 | 第53-54页 |
| 第四章 基于邻域模体的网络核心影响结构提取方法研究 | 第54-71页 |
| 4.1 网络核心结构方法提取方法研究 | 第54-55页 |
| 4.2 核心模体结构提取方法研究 | 第55-57页 |
| 4.3 网络核心影响结构挖掘方法研究 | 第57-63页 |
| 4.3.1 邻域子图的表达 | 第57-58页 |
| 4.3.2 邻域网络的核心模体实例提取方法研究 | 第58-61页 |
| 4.3.3 网络核心影响结构提取算法 | 第61-63页 |
| 4.4 实验及结果分析 | 第63-70页 |
| 4.4.1 随机网络测试 | 第63-65页 |
| 4.4.2 Karate俱乐部网络 | 第65-67页 |
| 4.4.3 Twitter信息网络 | 第67-70页 |
| 4.5 本章小节 | 第70-71页 |
| 第五章 全文总结与展望 | 第71-73页 |
| 5.1 全文工作总结 | 第71页 |
| 5.2 研究课题展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻硕期间取得的研究成果 | 第77-78页 |