| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 国内外研究概述 | 第13-19页 |
| 1.2.1 子图匹配技术 | 第13-15页 |
| 1.2.2 局部社区发现技术 | 第15-18页 |
| 1.2.3 群体重要性度量技术 | 第18-19页 |
| 1.3 论文的研究内容与结构安排 | 第19-22页 |
| 第二章 基于邻居向量的近似子图匹配算法 | 第22-38页 |
| 2.1 基础知识 | 第22-24页 |
| 2.1.1 图论基本概念介绍 | 第22-23页 |
| 2.1.2 近似子图匹配问题定义 | 第23-24页 |
| 2.2 IMNeMa近似子图匹配算法流程与原理 | 第24-30页 |
| 2.2.1 节点过滤原理与实现 | 第24-25页 |
| 2.2.2 节点匹配原理与实现 | 第25-29页 |
| 2.2.3 边匹配原理与实现 | 第29-30页 |
| 2.3 算法复杂度比较 | 第30-31页 |
| 2.4 实验结果及分析 | 第31-36页 |
| 2.4.1 相似度指标的评测实验及分析 | 第32-34页 |
| 2.4.2 运算效率指标的评测实验及分析 | 第34-35页 |
| 2.4.3 基于IMNeMa算法的Top-k近似匹配实验 | 第35-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于结构相似度的多尺度局部社区发现算法 | 第38-54页 |
| 3.1 基础知识 | 第38-41页 |
| 3.1.1 局部社区发现介绍 | 第38-39页 |
| 3.1.2 传统社区定义 | 第39-40页 |
| 3.1.3 局部节点结构相似度介绍 | 第40-41页 |
| 3.2 基于结构相似度的多尺度局部社区发现算法 | 第41-46页 |
| 3.2.1 结构相似度社区的定义 | 第41-42页 |
| 3.2.2 基于结构相似度的多尺度局部社区发现算法LSC | 第42-44页 |
| 3.2.3 基于LSC算法的局部重叠社区发现 | 第44-46页 |
| 3.3 实验结果及分析 | 第46-52页 |
| 3.3.1 节点结构相似度的选择 | 第47-48页 |
| 3.3.2 基于LSC算法的局部社区发现实验 | 第48-50页 |
| 3.3.3 基于LSC算法的多尺度局部社区发现实验 | 第50-51页 |
| 3.3.4 基于改进算法的局部重叠社区发现实验 | 第51-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于多属性决策的群体重要性综合评价方法 | 第54-70页 |
| 4.1 群体重要性的评价指标简介 | 第54-59页 |
| 4.1.1 群体重要性评价指标介绍 | 第55-57页 |
| 4.1.2 SGR群体重要性评价指标 | 第57-59页 |
| 4.2 基于多属性决策的群体重要性综合评价方法 | 第59-62页 |
| 4.2.1 群体重要性评价指标的选择 | 第60页 |
| 4.2.2 基于多属性决策的群体重要性综合评价方法 | 第60-62页 |
| 4.3 实验结果及分析 | 第62-69页 |
| 4.3.1 SNR指标评价节点重要性实验 | 第62-65页 |
| 4.3.2 具有相似结构的群体在同一网络中的重要性比较实验 | 第65-66页 |
| 4.3.3 具有相似结构的群体在不同网络中的重要性比较实验 | 第66-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 论文总结 | 第70-71页 |
| 5.2 下一步工作 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 作者简历 | 第80页 |
