复杂网络拓扑结构的分析方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 复杂网络的研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第2章 网络及社区发现算法研究 | 第17-30页 |
| 2.1 网络的统计特性 | 第17页 |
| 2.2 经典网络模型 | 第17-21页 |
| 2.2.1 ER随机图 | 第17-18页 |
| 2.2.2 小世界网络模型(WS模型) | 第18-19页 |
| 2.2.3 无标度网络模型(BA模型) | 第19页 |
| 2.2.4 网络模型之间的比较 | 第19-21页 |
| 2.3 社区发现算法研究综述 | 第21-29页 |
| 2.3.1 Kernighan-Lin算法 | 第21-22页 |
| 2.3.2 基于Laplace矩阵的传统谱平分法 | 第22-23页 |
| 2.3.3 其它谱平分法 | 第23页 |
| 2.3.4 社会学中的分级聚类法 | 第23-24页 |
| 2.3.5 分裂方法(GN算法) | 第24-26页 |
| 2.3.6 凝聚方法(NewMan快速算法) | 第26-29页 |
| 2.4 小结 | 第29-30页 |
| 第3章 改进的社区发现算法 | 第30-41页 |
| 3.1 问题分析 | 第30-31页 |
| 3.2 基本策略 | 第31-32页 |
| 3.3 核心模块 | 第32-35页 |
| 3.3.1 染色体编码 | 第32页 |
| 3.3.2 适应值评价函数 | 第32页 |
| 3.3.3 种群变异操作算子 | 第32-33页 |
| 3.3.4 局部爬山算子 | 第33页 |
| 3.3.5 算法终止准则 | 第33-34页 |
| 3.3.6 算法描述 | 第34-35页 |
| 3.4 在较大规模的无标度网络中发现社区 | 第35-37页 |
| 3.5 算法框架 | 第37-38页 |
| 3.6 算法复杂度分析 | 第38-40页 |
| 3.7 小结 | 第40-41页 |
| 第4章 基于复杂网络节点评价的仿真实验 | 第41-59页 |
| 4.1 复杂网络中的节点评价 | 第41-49页 |
| 4.1.1 社会学的分析方法 | 第41-43页 |
| 4.1.2 系统科学的分析方法 | 第43-44页 |
| 4.1.3 信息搜索领域的分析方法 | 第44-47页 |
| 4.1.4 基于社区结构的节点评价方法 | 第47-48页 |
| 4.1.5 小结 | 第48-49页 |
| 4.2 仿真实验 | 第49-59页 |
| 4.2.1 人工随机网络 | 第49-50页 |
| 4.2.2 空手道俱乐部成员间的关系网 | 第50-51页 |
| 4.2.3 海豚关系网 | 第51-53页 |
| 4.2.4 电影演员合作网 | 第53-56页 |
| 4.2.5 其它大型网络 | 第56-57页 |
| 4.2.6 小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
