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

小世界网络模型的优化及应用研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第10-15页
    1.1 研究背景和意义第10-11页
    1.2 国内外研究现状第11-12页
        1.2.1 小世界理论的应用第11页
        1.2.2 复杂网络关键节点挖掘第11-12页
        1.2.3 社交网络舆情预警第12页
    1.3 论文研究内容和主要工作第12-13页
    1.4 论文组织结构第13-15页
第二章 相关理论和技术简介第15-24页
    2.1 小世界网络第15-17页
    2.2 人工神经网络第17-19页
        2.2.1 人工神经网络简介第17-18页
        2.2.2 BP算法第18-19页
    2.3 常用复杂网络节点重要性评估指标第19-20页
    2.4 常用的优化算法第20-23页
        2.4.1 梯度下降法第20-21页
        2.4.2 遗传算法第21-22页
        2.4.3 模拟退火算法第22-23页
    2.5 本章小结第23-24页
第三章 电子商务信息传播网络模型小世界性优化设计第24-41页
    3.1 电子商务信息传播网络模型构建第24-25页
    3.2 电子商务信息传播网络关键节点挖掘第25-37页
        3.2.1 基于PageRank算法的网络中心性节点挖掘第25-27页
        3.2.2 基于重叠社区的网络连通性节点挖掘第27-30页
        3.2.3 实验设计及结果分析第30-37页
    3.3 基于关键节点重连边的电子商务信息传播网络小世界性优化第37-40页
        3.3.1 网络重连边算法设计思想第37页
        3.3.2 网络的平均信息传播效率第37页
        3.3.3 网络重连边算法基本流程第37-38页
        3.3.4 实验设计及结果分析第38-40页
    3.4 本章小结第40-41页
第四章 基于小世界神经网络模型优化的微博舆情预警研究第41-56页
    4.1 NW小世界神经网络模型第41-42页
    4.2 基于混合优化算法的NW小世界神经网络优化第42-46页
        4.2.1 混合优化算法参数的设置第43页
        4.2.2 混合优化算法实现流程第43-46页
    4.3 基于NW小世界神经网络优化的微博舆情预警模型设计第46-55页
        4.3.1 微博舆情预警指标体系设计第46-48页
        4.3.2 微博舆情预警模型构建第48-50页
        4.3.3 数据处理及选样第50-52页
        4.3.4 模型训练及结果分析第52-55页
    4.4 本章小结第55-56页
第五章 总结与展望第56-58页
    5.1 总结第56-57页
    5.2 展望第57-58页
参考文献第58-62页
致谢第62-63页
攻读硕士期间发表的学术论文和科研情况第63页

论文共63页,点击 下载论文
上一篇:基于子树追踪的代码抄袭检测研究与实现
下一篇:基于Android的跌倒检测报警系统的研究与实现