基于复杂网络的社区发现算法研究与实现
| 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8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10-11页 |
| 1.4 论文组织架构 | 第11-12页 |
| 2 相关工作 | 第12-23页 |
| 2.1 复杂网络 | 第12-19页 |
| 2.1.1 发展历程 | 第12-14页 |
| 2.1.2 定义与描述 | 第14-15页 |
| 2.1.3 主要特性 | 第15-19页 |
| 2.2 社区结构 | 第19-22页 |
| 2.2.1 定义与描述 | 第20-21页 |
| 2.2.2 评价标准 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于中心节点的社区发现算法 | 第23-41页 |
| 3.1 非重叠类型 | 第23-26页 |
| 3.1.1 二分法 | 第23-24页 |
| 3.1.2 层次聚类算法 | 第24-25页 |
| 3.1.3 模块度优化:BGLL算法 | 第25页 |
| 3.1.4 标签传播:LPA算法 | 第25-26页 |
| 3.2 重叠类型 | 第26-28页 |
| 3.2.1 派系过滤:CPM算法 | 第26-27页 |
| 3.2.2 节点分裂:CONGA算法 | 第27页 |
| 3.2.3 局部扩张:LFM算法 | 第27-28页 |
| 3.2.4 概率模型:SPAEM算法 | 第28页 |
| 3.3 基于中心节点的社区发现算法 | 第28-36页 |
| 3.3.1 复杂网络中心性 | 第29-30页 |
| 3.3.2 选取中心节点 | 第30-32页 |
| 3.3.3 基于中心节点的局部优化算法 | 第32-35页 |
| 3.3.4 处理特殊类型节点 | 第35-36页 |
| 3.4 实验分析 | 第36-40页 |
| 3.4.1 复杂网络数据集 | 第36-37页 |
| 3.4.2 社区划分实验 | 第37-38页 |
| 3.4.3 与局部社区发现算法的性能对比 | 第38-39页 |
| 3.4.4 与全局社区发现算法的性能对比 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于核心子团的社区发现算法 | 第41-58页 |
| 4.1 社会网络分析 | 第41-44页 |
| 4.1.1 简述 | 第41-42页 |
| 4.1.2 组成 | 第42页 |
| 4.1.3 分析工具 | 第42-44页 |
| 4.2 基于核心子团的社区发现算法 | 第44-53页 |
| 4.2.1 相关算法研究与分析 | 第45-50页 |
| 4.2.2 选取核心子团 | 第50-51页 |
| 4.2.3 基于核心子团的局部优化算法 | 第51-53页 |
| 4.3 实验分析 | 第53-57页 |
| 4.3.1 选取核心子团 | 第53-54页 |
| 4.3.2 社区划分 | 第54-55页 |
| 4.3.3 相关算法性能对比 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64页 |
