| 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14-18页 |
| 1.1 研究背景 | 第14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 国内外的研究现状 | 第15-16页 |
| 1.4 本文的主要工作及结构安排 | 第16-18页 |
| 第二章 复杂网络及粒子群优化算法的相关理论 | 第18-26页 |
| 2.1 复杂网络基本概念 | 第18-21页 |
| 2.1.1 网络的表示形式 | 第18页 |
| 2.1.2 社区结构的定义 | 第18-19页 |
| 2.1.3 现有的社区检测算法 | 第19-21页 |
| 2.2 多分辨率检测方法 | 第21-23页 |
| 2.3 粒子群优化算法相关理论 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于分布式系统及离散粒子群优化算法的社区检测 | 第26-48页 |
| 3.1 引言 | 第26页 |
| 3.2 Spark的基本概念 | 第26-29页 |
| 3.2.1 Spark的介绍 | 第26-27页 |
| 3.2.2 Spark集群的部署 | 第27-28页 |
| 3.2.3 Spark中的基本数据集 | 第28-29页 |
| 3.3 基于分布式系统与离散粒子群优化算法的社区检测 | 第29-36页 |
| 3.3.1 基于分布式系统与离散粒子群优化算法的社区检测描述 | 第30-31页 |
| 3.3.2 粒子的编码设计 | 第31-32页 |
| 3.3.3 基于分布式平台的种群设计 | 第32-33页 |
| 3.3.4 种群初始化 | 第33-34页 |
| 3.3.5 粒子的并行化更新策略 | 第34-36页 |
| 3.4 实验与分析 | 第36-46页 |
| 3.4.1 实验设置 | 第36-37页 |
| 3.4.2 在基准网络数据集上的实验 | 第37-39页 |
| 3.4.3 在真实网络上的实验 | 第39-45页 |
| 3.4.4 在算法复杂度分析 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于消息聚合及并行离散粒子群优化算法的社区检测 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 Spark中的分布式图模型 | 第48-50页 |
| 4.3 基于消息聚合及并行离散粒子群优化算法的社区检测 | 第50-56页 |
| 4.3.1 基于消息聚合及并行离散粒子群优化算法的社区检测描述 | 第50-51页 |
| 4.3.2 基于分布式平台的种群设计 | 第51-53页 |
| 4.3.3 目标函数的设定 | 第53-54页 |
| 4.3.4 基于消息聚合的适应度计算与更新 | 第54-56页 |
| 4.4 实验与分析 | 第56-61页 |
| 4.4.1 实验设置 | 第56页 |
| 4.4.2 在大规模网络上的实验 | 第56-59页 |
| 4.4.3 时间复杂度分析 | 第59-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文总结 | 第64页 |
| 5.2 本文展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
