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 |