| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 引言 | 第7-10页 |
| 1.1 聚类的概念和算法研究 | 第7页 |
| 1.2 网络数据的局部分割模型 | 第7-8页 |
| 1.3 有向网络数据的分割问题 | 第8-10页 |
| 第2章 无向图聚类算法 | 第10-22页 |
| 2.1 K-means算法 | 第10页 |
| 2.2 谱聚类和谱对分法 | 第10-12页 |
| 2.3 Kernighan-Lin 算法 | 第12-13页 |
| 2.4 无向图的Nibble算法 | 第13-17页 |
| 2.5 算例 | 第17-22页 |
| 2.5.1 数据来源 | 第17-18页 |
| 2.5.2 实验结果及分析 | 第18-22页 |
| 第3章 Nibble处理有向图的局限性 | 第22-25页 |
| 第4章 有向化Nibble算法 | 第25-38页 |
| 4.1 有向化Nibble算法 | 第25-27页 |
| 4.2 计算实例与结果结果 | 第27-32页 |
| 4.3 对算法的两点说明 | 第32-36页 |
| 4.3.1 弧上的概率选择 | 第32-35页 |
| 4.3.2 对顶点度的选取 | 第35-36页 |
| 4.4 Nibble算法的拓展 | 第36-38页 |
| 第5章 总结 | 第38-40页 |
| 5.1 本文结果总结 | 第38页 |
| 5.2 有向图Nibble算法的优缺点和改进方向 | 第38-40页 |
| 参考文献 | 第40-42页 |
| 致谢 | 第42-44页 |
| 附录A 45 个期刊的名称 | 第44-46页 |
| 附录B 有向图中的 Nibble 算法以 22 号期刊为起始点，?=0.7 输出结果的前 70 | 第46-50页 |
| 附录C 算法主要程序 | 第50-54页 |
| 个人 简历、在学期间发表的学术论文与研究成果 | 第54页 |