基于局部信息的复杂网络社区发现算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-14页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究内容与主要工作 | 第13页 |
| ·本文组织结构 | 第13-14页 |
| 第2章 复杂网络相关理论 | 第14-19页 |
| ·复杂网络研究进展 | 第14-15页 |
| ·复杂网络的特性 | 第15页 |
| ·相关术语 | 第15-18页 |
| ·度分布 | 第16页 |
| ·平均最短路径长度和介数 | 第16-17页 |
| ·集聚系数 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 社区发现的主要技术 | 第19-29页 |
| ·社区定义及相关特性 | 第19页 |
| ·社区划分结果评价标准 | 第19-21页 |
| ·非重叠社区发现经典算法 | 第21-24页 |
| ·基于图论的二分法 | 第21-22页 |
| ·基于层次聚类的方法 | 第22-23页 |
| ·基于模块度优化的方法 | 第23页 |
| ·基于标签传播的方法 | 第23-24页 |
| ·基于动力学的方法 | 第24页 |
| ·重叠社区发现算法 | 第24-28页 |
| ·基于派系理论的方法 | 第24-25页 |
| ·基于复制节点的方法 | 第25页 |
| ·基于边划分的方法 | 第25-26页 |
| ·基于局部函数扩展的方法 | 第26-27页 |
| ·基于概率模型的方法 | 第27-28页 |
| ·基于模糊聚类的方法 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于关键节点集的层次聚类社区发现算法 | 第29-41页 |
| ·算法相关定义 | 第29-31页 |
| ·社区层次结构 | 第29页 |
| ·初始节点集的构成 | 第29-30页 |
| ·分辨率公式 | 第30-31页 |
| ·算法描述 | 第31-32页 |
| ·KARATE 数据集上的实验 | 第32-36页 |
| ·DOLPHINS 数据集上的实验 | 第36-39页 |
| ·算法综合分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 基于接受极大团的重叠社区发现算法 | 第41-53页 |
| ·算法的相关定义 | 第41-44页 |
| ·初始节点集的选择 | 第41-42页 |
| ·局部扩展函数的定义 | 第42-44页 |
| ·算法描述 | 第44-45页 |
| ·人工数据集上的实验 | 第45-50页 |
| ·相关参数和阈值的选择 | 第46-48页 |
| ·算法效果比较 | 第48-50页 |
| ·真实数据集上的实验 | 第50-51页 |
| ·算法综合分析 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
