复杂网络的关键节点挖掘与社团发现方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| §1.1 研究背景及意义 | 第8-9页 |
| §1.2 国内外研究现状 | 第9-12页 |
| §1.2.1 关键节点挖掘研究现状 | 第9-10页 |
| §1.2.2 社团发现研究现状 | 第10-12页 |
| §1.3 本文研究内容与目标 | 第12-13页 |
| §1.4 论文的结构安排 | 第13-14页 |
| §1.5 本章小结 | 第14-16页 |
| 第二章 复杂网络多属性图模型 | 第16-26页 |
| §2.1 复杂网络理论及基本的图模型 | 第16-18页 |
| §2.1.1 相关理论 | 第16页 |
| §2.1.2 复杂网络的图模型 | 第16-18页 |
| §2.2 多属性网络图模型构建 | 第18-21页 |
| §2.3 基于邮件数据的实例分析 | 第21-25页 |
| §2.4 本章小结 | 第25-26页 |
| 第三章 一种基于优化结构洞的关键节点挖掘方法 | 第26-39页 |
| §3.1 相关研究回顾 | 第26-30页 |
| §3.1.1 结构洞理论 | 第27-28页 |
| §3.1.2 结构洞评价指标 | 第28-29页 |
| §3.1.3 存在问题分析 | 第29-30页 |
| §3.2 优化结构洞的无向加权网络关键节点挖掘 | 第30-33页 |
| §3.2.1 无向加权网络模型 | 第31-32页 |
| §3.2.2 结构洞约束系数优化 | 第32-33页 |
| §3.2.3 算法描述 | 第33页 |
| §3.3 实验分析 | 第33-37页 |
| §3.3.1 小规模网络数据集实验 | 第33-35页 |
| §3.3.2 大规模网络数据集实验 | 第35-37页 |
| §3.4 本章小结 | 第37-39页 |
| 第四章 基于归属度标签传播的社团发现方法 | 第39-51页 |
| §4.1 相关研究回顾 | 第39-43页 |
| §4.1.1 标签传播算法原理 | 第40-42页 |
| §4.1.2 LPA算法问题分析 | 第42-43页 |
| §4.2 基于归属度标签传播的社团发现 | 第43-47页 |
| §4.2.1 标签初始化 | 第43-44页 |
| §4.2.2 标签选择更新策略优化 | 第44-45页 |
| §4.2.3 基于归属度标签传播的算法流程 | 第45-47页 |
| §4.3 实验结果与分析 | 第47-50页 |
| §4.3.1 评价指标 | 第48-49页 |
| §4.3.2 实验分析 | 第49-50页 |
| §4.4 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| §5.1 本文总结 | 第51-52页 |
| §5.2 未来工作及展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 作者在攻读硕士期间主要研究成果 | 第59页 |
