首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--组合数学(组合学)论文--图论论文

复杂网络中节点影响力挖掘及其应用研究

摘要第5-7页
abstract第7-8页
第一章 绪论第12-21页
    1.1 研究背景与意义第12-14页
    1.2 复杂网络理论的发展及传播动力学简介第14-16页
    1.3 复杂网络上节点影响力挖掘概述第16-18页
        1.3.1 基于中心性的节点影响力排序第16-18页
        1.3.2 其他节点影响力排序算法第18页
    1.4 本文主要研究内容和章节安排第18-21页
第二章 复杂网络节点影响力研究基础第21-46页
    2.1 真实复杂网络简介第21-27页
        2.1.1 技术网络第23-24页
        2.1.2 社会网络第24-25页
        2.1.3 信息网络第25-26页
        2.1.4 生物网络第26-27页
    2.2 复杂网络的结构第27-34页
        2.2.1 基本结构特征第28-31页
        2.2.2 核心-边缘结构第31-32页
        2.2.3 社区和派系结构第32-34页
    2.3 网络传播动力学第34-38页
        2.3.1 经典传播模型第35-36页
        2.3.2 爆发阈值的确定第36-38页
    2.4 复杂网络节点中心性第38-45页
        2.4.1 度中心性第39页
        2.4.2 接近中心性第39-40页
        2.4.3 介数中心性第40-41页
        2.4.4 特征向量中心性第41-42页
        2.4.5 PageRank算法第42-43页
        2.4.6 κ-壳分解算法及核心性第43-45页
    2.5 本章小节第45-46页
第三章 κ-壳分解算法的适用性研究第46-67页
    3.1 κ-壳分解算法识别重要节点的准确性第47-53页
        3.1.1 节点的传播影响力第48-50页
        3.1.2 识别准确性指标第50-52页
        3.1.3 真实网络中的识别失效第52-53页
    3.2 网络宏观结构的影响第53-55页
    3.3 网络微观结构的影响第55-60页
        3.3.1 壳层连接的差异第55-58页
        3.3.2 核心层连接的差异第58-60页
    3.4 导致识别失效的中尺度结构-类核团第60-65页
        3.4.1 方法的提出第60-62页
        3.4.2 类核团的识别第62-63页
        3.4.3 用类核团解释识别失效第63-65页
    3.5 本章小结第65-67页
第四章 基于局域冗余边的κ-壳分解改进方法第67-85页
    4.1 基于类核团的冗余边判定第68-73页
        4.1.1 类核团与真核心的连接差异第68-70页
        4.1.2 节点局域连接特征与影响力的相关性第70-72页
        4.1.3 冗余边的定义和判断第72-73页
    4.2 冗余边过滤对识别准确性的效果提升第73-77页
        4.2.1 不同冗余阈值的鲁棒性第73-74页
        4.2.2 识别准确性的提升第74-76页
        4.2.3 在无类核团网络上的适用性第76-77页
    4.3 冗余边判定的有效性第77-83页
        4.3.1 与其他删边方式的效果比较第77-79页
        4.3.2 在排序算法中的推广第79-81页
        4.3.3 讨论第81-83页
    4.4 本章小结第83-85页
第五章 基于邻居集中心性的节点影响力排序研究第85-98页
    5.1 邻居集中心性第86页
    5.2 节点影响力排序的准确性第86-94页
        5.2.1 邻居步数的影响第88-92页
        5.2.2 衰减因子的影响第92-93页
        5.2.3 感染概率的影响第93-94页
    5.3 邻居集中心性的拓展第94-96页
    5.4 本章小结第96-98页
第六章 基于传播动力学的s-壳有向权重分解算法研究第98-114页
    6.1 连边在传播中的有向权重特性第99-103页
        6.1.1 有向权重的定义第99-102页
        6.1.2 节点传播能力的区分第102-103页
    6.2 s-壳有向权重分解算法第103-112页
        6.2.1 算法的提出第103-104页
        6.2.2 识别准确性第104-106页
        6.2.3 效果对比第106-111页
            6.2.3.1 与κ-壳无权分解的对比第107-109页
            6.2.3.2 与s-壳无向分解的对比第109-111页
        6.2.4 有效参数的鲁棒性第111-112页
    6.3 本章小结第112-114页
第七章 全文总结与展望第114-117页
    7.1 本文的工作总结和主要创新第114-115页
    7.2 研究展望第115-117页
致谢第117-118页
参考文献第118-134页
攻读博士学位期间取得的成果第134-135页

论文共135页,点击 下载论文
上一篇:具有输出约束和状态约束的不确定非线性系统的自适应神经网络控制及其应用
下一篇:群签名算法及其应用研究