| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及研究意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要工作和创新点 | 第12-13页 |
| ·论文章节安排 | 第13-14页 |
| 第二章 相关理论与技术 | 第14-28页 |
| ·复杂网络与社团检测 | 第14-17页 |
| ·网络的定义 | 第14-15页 |
| ·基于全局比较的社团定义 | 第15-16页 |
| ·基于局部指标的社团定义 | 第16页 |
| ·社团结构的度量标准 | 第16-17页 |
| ·社团发现的常见算法 | 第17-23页 |
| ·基于划分的社团发现方法 | 第17-18页 |
| ·基于层次的社团发现方法 | 第18-19页 |
| ·基于密度的社团发现方法 | 第19-20页 |
| ·其他社团发现方法 | 第20-22页 |
| ·动态网络中的社团发现方法 | 第22-23页 |
| ·云计算平台 Hadoop 与 MapReduce 编程框架 | 第23-27页 |
| ·Hadoop 组件框架 | 第24-25页 |
| ·HDFS 分布式文件系统 | 第25-26页 |
| ·MapReduce 编程框架 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于连接密度检测的增量式社团发现方法 | 第28-38页 |
| ·问题描述与基本定义 | 第28-31页 |
| ·问题描述 | 第28-29页 |
| ·基本定义 | 第29-30页 |
| ·静态 SCAN 算法 | 第30-31页 |
| ·增量式 IncSCAN 算法 | 第31-36页 |
| ·更新影响区域分析 | 第31-32页 |
| ·边更新引起的社团变化 | 第32-33页 |
| ·IncSCAN 算法流程 | 第33-34页 |
| ·IncSCAN 算法分析 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于核连通聚类链的增量式社团发现方法 | 第38-48页 |
| ·问题描述与基本定义 | 第38-42页 |
| ·问题描述 | 第38页 |
| ·基本定义 | 第38-42页 |
| ·离线社团提取方法 | 第42-44页 |
| ·社团提取算法 | 第42页 |
| ·核连通聚类链分析 | 第42-44页 |
| ·在线核连通聚类链的更新 | 第44-46页 |
| ·更新影响区域分析 | 第44-45页 |
| ·核连通聚类链更新算法 | 第45-46页 |
| ·基于核连通聚类链的增量式算法分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第五章 社团发现方法在 Hadoop平台上的实现 | 第48-56页 |
| ·问题描述与基本思路 | 第48-49页 |
| ·问题描述 | 第48页 |
| ·基本思路 | 第48-49页 |
| ·Hadoop 平台上的社团发现方法 | 第49-53页 |
| ·相似度值的计算 | 第49-50页 |
| ·构造核连通聚类链 | 第50-51页 |
| ·利用标记散播方法抽取社团 | 第51-53页 |
| ·算法分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 实验结果及分析 | 第56-70页 |
| ·实验平台与数据集 | 第56-59页 |
| ·实验环境 | 第56页 |
| ·实验数据集 | 第56-59页 |
| ·增量式社团发现算法实验 | 第59-66页 |
| ·结果评价度量 | 第59-60页 |
| ·算法时间性能分析 | 第60-62页 |
| ·算法可靠性分析 | 第62-66页 |
| ·Hadoop 平台上的社团发现方法实验 | 第66-68页 |
| ·算法的加速比分析 | 第66-67页 |
| ·算法的可扩展性分析 | 第67-68页 |
| ·算法的可靠性分析 | 第68页 |
| ·本章小结 | 第68-70页 |
| 第七章 结束语 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |