| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究现状 | 第9-10页 |
| 1.4 本文研究内容 | 第10-11页 |
| 1.5 本文章节安排 | 第11-12页 |
| 2 社团结构发现算法综述 | 第12-23页 |
| 2.1 传统的社团结构发现算法 | 第12-17页 |
| 2.1.1 Kernighan-Lin算法 | 第13-14页 |
| 2.1.2 谱平均法 | 第14页 |
| 2.1.3 派系过滤算法 | 第14-15页 |
| 2.1.4 GN算法 | 第15-17页 |
| 2.2 基于统计推理模型的社团结构发现算法 | 第17-22页 |
| 2.2.1 混合隶属度随机块模型 | 第18页 |
| 2.2.2 a-MMSB模型 | 第18-20页 |
| 2.2.3 a-HDPR模型 | 第20页 |
| 2.2.4 对称联合概率连接模型 | 第20-21页 |
| 2.2.5 一般的随机块模型 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于三角模体的社团结构发现模型 | 第23-36页 |
| 3.1 三角模体 | 第24-25页 |
| 3.2 建立CSDTME模型 | 第25-26页 |
| 3.3 参数估计 | 第26-32页 |
| 3.3.1 相关知识 | 第26-27页 |
| 3.3.2 EM算法 | 第27-30页 |
| 3.3.3 CSDTME模型的参数推导 | 第30-31页 |
| 3.3.4 基于CSDTME模型的社团发现算法描述 | 第31-32页 |
| 3.4 实验与分析 | 第32-35页 |
| 3.4.1 实验方法 | 第32-33页 |
| 3.4.2 实验结果与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于CSDTME模型的社团发现算法的改进 | 第36-42页 |
| 4.1 问题描述 | 第36页 |
| 4.2 算法的改进 | 第36-38页 |
| 4.2.1 空间复杂度的改进方法 | 第36-37页 |
| 4.2.2 降低运行时间的改进方法 | 第37-38页 |
| 4.3 改进后的算法描述 | 第38-39页 |
| 4.4 实验与分析 | 第39-41页 |
| 4.4.1 实验方法 | 第40页 |
| 4.4.2 实验结果与分析 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 CSDTME模型在实际网络中的应用与系统实现 | 第42-54页 |
| 5.1 相关知识介绍 | 第42-43页 |
| 5.1.1 网络可视化 | 第42页 |
| 5.1.2 模块性 | 第42-43页 |
| 5.2 实验流程与结果展示、分析 | 第43-49页 |
| 5.2.1 数据介绍 | 第43-44页 |
| 5.2.2 数据转换 | 第44-46页 |
| 5.2.3 社团数量选择 | 第46-49页 |
| 5.3 基于CSDTME模型的社团划分系统实现 | 第49-52页 |
| 5.3.1 系统实现流程图 | 第50页 |
| 5.3.2 系统实现效果 | 第50-52页 |
| 5.4 本章小结 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |