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

复杂网络社区结构检测算法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第11-23页
    1.1 复杂网络的研究背景第11-15页
    1.2 复杂网络的研究意义第15-16页
    1.3 复杂网络社区结构检测的意义第16-20页
        1.3.1 社区结构定义第16-20页
        1.3.2 社区结构检测的研究意义第20页
    1.4 论文结构第20-23页
第2章 社区结构检测算法综述第23-35页
    2.1 层级聚类算法第23-27页
    2.2 优化算法第27-30页
    2.3 动力学算法第30-32页
    2.4 社区结构检测算法评价第32-35页
第3章 基于分形聚类的社区结构检测算法第35-51页
    3.1 引言第35页
    3.2 复杂网络的分形特性第35-40页
    3.3 两阶段盒子覆盖法第40-43页
    3.4 FCUC社区检测算法第43-45页
    3.5 实验分析第45-48页
    3.6 小结第48-51页
第4章 基于人工蜂群算法的社区结构检测第51-71页
    4.1 引言第51页
    4.2 人工蜂群算法第51-56页
    4.3 HABC算法框架第56-59页
    4.4 蜂群与蜜源初始化第59-60页
    4.5 启发式搜索过程第60-63页
    4.6 实验分析第63-68页
        4.6.1 HABC算法在人工网络上的测试第63-67页
        4.6.2 HABC算法在现实网络上的测试第67-68页
    4.7 小结第68-71页
第5章 谱分析与遗传算法相结合的多尺度社区检测算法第71-89页
    5.1 引言第71页
    5.2 复杂网络特征谱第71-74页
        5.2.1 复杂网络特征谱与社区结构第71-74页
        5.2.2 复杂网络社区结构谱分析算法第74页
    5.3 遗传算法第74-76页
    5.4 HGASA算法第76-82页
        5.4.1 编解码第76页
        5.4.2 群体初始化第76-77页
        5.4.3 交叉操作第77-78页
        5.4.4 变异操作第78-81页
        5.4.5 HGASA算法框架第81-82页
    5.5 实验分析第82-87页
        5.5.1 HGASA在人工网络上的测试第83-84页
        5.5.2 HGASA在现实网络上的测试第84-87页
    5.6 小结第87-89页
第6章 结论与展望第89-91页
参考文献第91-101页
作者简介及攻读博士学位期间发表的学术论文第101-102页
致谢第102页

论文共102页,点击 下载论文
上一篇:基于群集运动的多轴协同控制研究
下一篇:被征地拆迁农户权益保护问题研究