| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 论文结构 | 第12-14页 |
| 第二章 相关工作 | 第14-28页 |
| 2.1 复杂网络 | 第14-16页 |
| 2.1.1 复杂网络的基本概念 | 第14-15页 |
| 2.1.2 复杂网络的基本结构特征 | 第15-16页 |
| 2.2 社区发现 | 第16-18页 |
| 2.2.1 社区结构 | 第16-17页 |
| 2.2.2 社区结构的评价指标 | 第17-18页 |
| 2.3 重叠社区发现算法 | 第18-21页 |
| 2.3.1 基于顶点的重叠社区发现算法 | 第18-19页 |
| 2.3.2 基于结构的重叠社区发现算法 | 第19-21页 |
| 2.4 BSP模型 | 第21-24页 |
| 2.4.1 BSP模型概述 | 第21页 |
| 2.4.2 BSP工作原理 | 第21-23页 |
| 2.4.3 BSP模型特点 | 第23-24页 |
| 2.5 HDFS介绍 | 第24-25页 |
| 2.6 ZooKeeper技术 | 第25-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第三章 集中式极大团枚举算法 | 第28-40页 |
| 3.1 问题描述 | 第28-29页 |
| 3.2 EMC极大团枚举算法 | 第29-37页 |
| 3.2.1 EMC基本算法 | 第29-32页 |
| 3.2.2 EMC算法的改进 | 第32-36页 |
| 3.2.3 EMC极大团枚举算法的实现 | 第36-37页 |
| 3.3 性能分析 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 复杂网络中重叠社区发现算法 | 第40-54页 |
| 4.1 主要思想 | 第40页 |
| 4.2 问题描述 | 第40-41页 |
| 4.3 重叠社区发现算法GOCE | 第41-51页 |
| 4.3.1 GCE基本算法 | 第41-43页 |
| 4.3.2 GCE算法的优化 | 第43-45页 |
| 4.3.3 GCE重叠社区发现算法的优化算法GOCE的实现 | 第45-51页 |
| 4.4 性能分析 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 并行重叠社区发现算法设计 | 第54-64页 |
| 5.1 算法并行化可行性分析 | 第54页 |
| 5.1.1 EMC算法并行化分析 | 第54页 |
| 5.1.2 GOCE算法并行化分析 | 第54页 |
| 5.2 并行算法的优化 | 第54-57页 |
| 5.2.1 针对EMC的并行优化 | 第54-56页 |
| 5.2.2 针对GOCE的并行优化 | 第56-57页 |
| 5.3 并行重叠社区发现算法的实现 | 第57-63页 |
| 5.3.1 PEMC算法的实现 | 第57-58页 |
| 5.3.2 PGOCE算法的实现 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 实验及结果分析 | 第64-76页 |
| 6.1 实验平台 | 第64页 |
| 6.2 实验数据 | 第64-66页 |
| 6.2.1 人工网络数据 | 第64-65页 |
| 6.2.2 真实网络数据 | 第65-66页 |
| 6.3 实验与结果分析 | 第66-74页 |
| 6.3.1 人造网络数据 | 第66-71页 |
| 6.3.2 真实网络实验 | 第71-74页 |
| 6.4 本章小结 | 第74-76页 |
| 第七章 总结与展望 | 第76-78页 |
| 7.1 工作总结 | 第76页 |
| 7.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 攻读硕士学位期间的论文项目情况 | 第84页 |