粒子群优化算法及在网络社区挖掘中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 粒子群优化算法研究背景与现状 | 第14-17页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究现状 | 第15-17页 |
| 1.2 社交网络社区结构研究背景与现状 | 第17-20页 |
| 1.2.1 研究背景 | 第17-18页 |
| 1.2.2 研究现状 | 第18-20页 |
| 1.3 论文内容与安排 | 第20-22页 |
| 第二章 群智能算法概述 | 第22-28页 |
| 2.1 粒子群优化算法 | 第22-24页 |
| 2.2 变种的粒子群优化算法 | 第24-26页 |
| 2.2.1 带有惯性权重的粒子群优化算法 | 第24页 |
| 2.2.2 带有收缩因子的粒子群优化算法 | 第24-25页 |
| 2.2.3 协同与混合粒子群优化算法 | 第25-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 社交网络社区结构分析 | 第28-36页 |
| 3.1 复杂网络与图 | 第28-29页 |
| 3.2 复杂网络基本特性 | 第29-31页 |
| 3.3 网络社区定义 | 第31-32页 |
| 3.4 网络社区挖掘现状 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于粒子群优化的无符号网络社区挖掘 | 第36-48页 |
| 4.1 算法描述 | 第36-37页 |
| 4.2 粒子的表示与更新 | 第37-40页 |
| 4.2.1 粒子的编解码 | 第37-38页 |
| 4.2.2 粒子的更新 | 第38-39页 |
| 4.2.3 粒子适应度函数 | 第39-40页 |
| 4.3 实验与分析 | 第40-47页 |
| 4.3.1 试验设置 | 第40-41页 |
| 4.3.2 实验测试数据 | 第41页 |
| 4.3.3 基准网络实验测试 | 第41-42页 |
| 4.3.4 真实网络数据测试 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于粒子群优化的符号网络社区挖掘 | 第48-56页 |
| 5.1 算法描述 | 第48-50页 |
| 5.2 实验与分析 | 第50-53页 |
| 5.2.1 实验设置 | 第50-51页 |
| 5.2.2 模拟网络数据实验 | 第51-52页 |
| 5.2.3 真实网络数据实验 | 第52-53页 |
| 5.3 算法收敛性分析 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 结论和展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
| 1.基本情况 | 第66页 |
| 2.教育背景 | 第66页 |
| 3.攻读硕士学位期间的研究成果 | 第66-67页 |
