| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 第二章 社会网络社区发现算法综述 | 第15-24页 |
| 2.1 传统非重叠社区发现 | 第15-19页 |
| 2.1.1 基于层次聚类的算法 | 第15-17页 |
| 2.1.2 基于模块度优化的算法 | 第17页 |
| 2.1.3 基于标签传播的方法 | 第17-18页 |
| 2.1.4 其它方法 | 第18-19页 |
| 2.2 重叠社区发现 | 第19-22页 |
| 2.2.1 基于派系过滤的方法 | 第19页 |
| 2.2.2 基于局部扩张及优化的方法 | 第19-21页 |
| 2.2.3 基于线图/边社区的发现方法 | 第21页 |
| 2.2.4 基于图模型的统计推断方法 | 第21-22页 |
| 2.2.5 其他方法 | 第22页 |
| 2.3 社区演化 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 加权Copula混合隶属度随机块模型 | 第24-37页 |
| 3.1 预备知识 | 第24-27页 |
| 3.1.1 Copula概念及相关性质 | 第24-25页 |
| 3.1.2 Dirichlet过程 | 第25-26页 |
| 3.1.3 层次Dirichlet过程 | 第26-27页 |
| 3.2 加权Copula混合隶属度随机块模型 | 第27-31页 |
| 3.2.1 符号说明 | 第27-28页 |
| 3.2.2 图模型描述 | 第28-29页 |
| 3.2.3 混合隶属度分布模型 | 第29页 |
| 3.2.4 包含Copula的隶属度指示向量对 | 第29-30页 |
| 3.2.5 多值观测模型 | 第30-31页 |
| 3.3 参数估计 | 第31-37页 |
| 3.3.1 π为边际条件:wCMMSB~π | 第31-34页 |
| 3.3.2 u,v为边际条件:wCMMSB~(uv) | 第34-37页 |
| 第四章 实证分析 | 第37-50页 |
| 4.1 评价标准 | 第37-39页 |
| 4.2 实验分析 | 第39-49页 |
| 4.2.1 基于人工网络数据集的实验分析 | 第39-44页 |
| 4.2.2 基于真实网络数据集的实验分析 | 第44-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50-51页 |
| 5.2 未来展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |