| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.3 本文研究任务和内容安排 | 第21-24页 |
| 第二章 复杂网络社团结构与社团划分算法的基础理论 | 第24-32页 |
| 2.1 复杂网络的基本特征 | 第24-26页 |
| 2.1.1 度与网络稀疏性 | 第24-25页 |
| 2.1.2 度分布与无标度网络 | 第25-26页 |
| 2.1.3 聚类系数 | 第26页 |
| 2.2 复杂网络的社团结构 | 第26-29页 |
| 2.2.1 社团结构的定义 | 第26-27页 |
| 2.2.2 模块度 | 第27-28页 |
| 2.2.3 标准化互信息(NMI) | 第28-29页 |
| 2.3 Louvain算法及其改进 | 第29-31页 |
| 2.3.1 Louvain算法 | 第29-30页 |
| 2.3.2 随机邻居Louvain算法 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于小概率事件原理的自适应随机邻居Louvain算法的研究 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 SARNL算法原理 | 第33-38页 |
| 3.2.1 算法思想 | 第33页 |
| 3.2.2 正确节点 | 第33页 |
| 3.2.3 C_i推导 | 第33-36页 |
| 3.2.4 p_i估计 | 第36-37页 |
| 3.2.5 算法流程 | 第37-38页 |
| 3.3 LFR人工基准图实验分析 | 第38-42页 |
| 3.4 真实数据集实验分析 | 第42-44页 |
| 3.5 等效运算时间T_e | 第44-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 利用社团划分的网络去噪算法 | 第50-65页 |
| 4.1 引言 | 第50-51页 |
| 4.2 算法原理 | 第51-54页 |
| 4.2.1 带噪声的社团结构模型 | 第51-52页 |
| 4.2.2 利用社团划分的网络去噪算法(NDP算法) | 第52-53页 |
| 4.2.3 NDP算法流程 | 第53-54页 |
| 4.3 实验与结果 | 第54-64页 |
| 4.3.1 参数的选取 | 第54-56页 |
| 4.3.2 LFR人工基准图的实验结果 | 第56-61页 |
| 4.3.3 实证网络数据集实验结果 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-70页 |
| 5.1 全文总结 | 第65-67页 |
| 5.2 展望 | 第67-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士期间科研成果 | 第77-78页 |
| 致谢 | 第78页 |