| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-13页 |
| ·研究现状 | 第13-15页 |
| ·不可重叠社团挖掘算法 | 第14页 |
| ·重叠社团挖掘算法 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 相关理论基础 | 第16-36页 |
| ·PageRank | 第16-19页 |
| ·机器学习相关联理论 | 第19-22页 |
| ·风险最小化 | 第19-21页 |
| ·VC维 | 第21-22页 |
| ·贝叶斯决策理论 | 第22-25页 |
| ·图论基础知识介绍 | 第25-28页 |
| ·图的表示 | 第25-26页 |
| ·图中节点的聚集系数 | 第26页 |
| ·膨胀率 | 第26-27页 |
| ·中心性 | 第27-28页 |
| ·基于随机游走模型 | 第28-30页 |
| ·随机游走模型 | 第29页 |
| ·重启动的随机游走模型 | 第29-30页 |
| ·经典聚类方法 | 第30-35页 |
| ·划分聚类的方法 | 第32-33页 |
| ·层次聚类的方法 | 第33-34页 |
| ·基于密度的方法 | 第34页 |
| ·基于网格的方法 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第3章 基于多元属性的重叠社团挖掘及在意见领袖发现中的应用 | 第36-49页 |
| ·常用社团挖掘算法的实现及性能分析 | 第36-43页 |
| ·Kernighan-Lin算法 | 第36-37页 |
| ·GN算法 | 第37-39页 |
| ·FN算法 | 第39-41页 |
| ·算法性能分析 | 第41-43页 |
| ·意见领袖 | 第43-44页 |
| ·基于多元属性的社团挖掘算法 | 第44-48页 |
| ·核心链接 | 第44-45页 |
| ·二次判别式 | 第45页 |
| ·基于多元属性的社团挖掘发现算法 | 第45-46页 |
| ·仿真实验 | 第46-47页 |
| ·算法分析 | 第47-48页 |
| ·小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |
| 攻读硕士学位期间发表的论文 | 第55页 |
| 攻读硕士学位期间参加的科研情况 | 第55页 |