粗糙集与蚁群算法在网络社区结构发现中的应用研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·引言 | 第9-11页 |
| ·网络社区结构研究现状 | 第11-13页 |
| ·研究意义与主要工作 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 网络社区结构发现概要 | 第16-27页 |
| ·问题描述 | 第16-17页 |
| ·网络社区结构的评价标准 | 第17-21页 |
| ·模块性 | 第17-19页 |
| ·节点度 | 第19页 |
| ·聚类系数 | 第19-20页 |
| ·介数 | 第20-21页 |
| ·相关社区发现算法 | 第21-26页 |
| ·GN算法 | 第21-22页 |
| ·改进的的GN算法法 | 第22-23页 |
| ·FN算法 | 第23-24页 |
| ·Kernighan-Liu算法 | 第24-25页 |
| ·Radicchi算法 | 第25-26页 |
| ·其他算法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于粗糙集理论的网络社区结构发现 | 第27-41页 |
| ·模糊集理论和粗糙集理论 | 第27-32页 |
| ·模糊集理论 | 第27-30页 |
| ·粗糙集理论 | 第30-31页 |
| ·模糊集与粗糙集的比较 | 第31-32页 |
| ·基于粗糙集理论的网络社区结构发现 | 第32-37页 |
| ·相关定义 | 第32-33页 |
| ·相似度度量 | 第33-34页 |
| ·节点关联度 | 第34页 |
| ·基于粗糙集理论的社区发现算法描述 | 第34-37页 |
| ·实验仿真 | 第37-40页 |
| ·数据模型 | 第37-38页 |
| ·实验结果 | 第38-39页 |
| ·结果分析 | 第39-40页 |
| ·时间复杂度分析 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于蚁群算法的网络社区结构发现 | 第41-61页 |
| ·蚁群算法原理 | 第41-49页 |
| ·群体智能 | 第41-42页 |
| ·蚁群算法 | 第42-44页 |
| ·蚁群算法的机制原理 | 第44-45页 |
| ·基本蚁群算法的模型特征 | 第45-49页 |
| ·基于蚁群算法的网络社区结构发现 | 第49-55页 |
| ·模型设定 | 第49-53页 |
| ·基于蚁群算法的网络社区结构发现算法描述 | 第53-55页 |
| ·实验仿真 | 第55-57页 |
| ·实验结果 | 第55页 |
| ·时间复杂度分析 | 第55-56页 |
| ·参数调整 | 第56-57页 |
| ·对比实验 | 第57-60页 |
| ·聚类准确度的比较 | 第58-60页 |
| ·计算速度的比较 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·结论 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表的论文与科研项目 | 第68-69页 |
| 致谢 | 第69-70页 |
