| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 论文背景与意义 | 第11-12页 |
| 1.2 论文主要研究工作 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 2 复杂网络和社区发现相关理论 | 第15-29页 |
| 2.1 复杂网络 | 第15-18页 |
| 2.1.1 定义 | 第15-16页 |
| 2.1.2 性质 | 第16-18页 |
| 2.2 非重叠社区发现算法 | 第18-24页 |
| 2.2.1 图分割法 | 第18-19页 |
| 2.2.2 层次聚类法 | 第19-22页 |
| 2.2.3 基于优化函数的方法 | 第22-24页 |
| 2.3 重叠社区发现算法 | 第24-28页 |
| 2.3.1 派系过滤算法 | 第24-25页 |
| 2.3.2 COPRA(Community Overlap Propagation Algorithm)算法 | 第25-27页 |
| 2.3.3 LFM(Local Fitness Method)算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 复杂网络社区的预处理模型 | 第29-53页 |
| 3.1 聚类与社区结构划分 | 第29-32页 |
| 3.1.1 基本原理 | 第29-30页 |
| 3.1.2 马尔科夫聚类算法 | 第30-32页 |
| 3.2 预处理模型 | 第32-39页 |
| 3.2.0 预处理模型的基本思想 | 第32-33页 |
| 3.2.1 模型的基本步骤 | 第33-38页 |
| 3.2.2 模型流程 | 第38-39页 |
| 3.3 数值计算结果与分析 | 第39-52页 |
| 3.3.1 评价指标 | 第39-42页 |
| 3.3.2 实际网络数据集 | 第42-45页 |
| 3.3.3 人工网络数据集 | 第45-52页 |
| 3.4 本章小结 | 第52-53页 |
| 4 基于随机游走的多标签重叠社区发现算法 | 第53-72页 |
| 4.1 随机游走 | 第53-55页 |
| 4.1.1 基本原理 | 第53-54页 |
| 4.1.2 随机游走在社区发现中的适用性 | 第54-55页 |
| 4.2 标签传播 | 第55-58页 |
| 4.2.1 基于标签传播的社区发现算法 | 第55-56页 |
| 4.2.2 存在的问题 | 第56-58页 |
| 4.3 基于随机游走的多标签重叠社区发现算法 | 第58-63页 |
| 4.3.1 算法步骤分析 | 第58-62页 |
| 4.3.2 算法流程 | 第62-63页 |
| 4.4 数值计算结果与分析 | 第63-71页 |
| 4.4.1 评价指标 | 第63-64页 |
| 4.4.2 人工网络数据集 | 第64-70页 |
| 4.4.3 实际网络数据集 | 第70-71页 |
| 4.5 本章小结 | 第71-72页 |
| 5 总结与展望 | 第72-74页 |
| 5.1 论文总结 | 第72页 |
| 5.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 学位论文数据集 | 第79页 |