经典社区发现算法的比较分析
| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-15页 |
| 1.1 社区发现的研究背景 | 第13页 |
| 1.2 社区发现算法的研究意义 | 第13页 |
| 1.3 本文的主要研究内容与论文框架 | 第13-15页 |
| 第二章 复杂网络相关理论知识 | 第15-19页 |
| 2.1 复杂网络的特征 | 第15-16页 |
| 2.1.1 节点的度和度分布 | 第15页 |
| 2.1.2 聚集系数 | 第15页 |
| 2.1.3 介数 | 第15-16页 |
| 2.1.4 网络的无尺度 | 第16页 |
| 2.1.5 网络的“小世界” | 第16页 |
| 2.2 社区的定义 | 第16-17页 |
| 2.3 本章小结 | 第17-19页 |
| 第三章 非重叠社区发现算法比较 | 第19-29页 |
| 3.1 基于图论的社区发现算法 | 第19-20页 |
| 3.1.1 KL算法 | 第19页 |
| 3.1.2 谱聚类SC算法 | 第19-20页 |
| 3.2 基于模块度优化的社区发现算法 | 第20-22页 |
| 3.2.1 GN算法 | 第20页 |
| 3.2.2 FN算法 | 第20页 |
| 3.2.3 CNM算法 | 第20-21页 |
| 3.2.4 FU算法 | 第21-22页 |
| 3.3 基于信息论的社区发现算法 | 第22-23页 |
| 3.4 基于标签传播的社区发现算法 | 第23页 |
| 3.5 实验分析 | 第23-28页 |
| 3.5.1 实验环境 | 第23页 |
| 3.5.2 实验数据 | 第23-24页 |
| 3.5.3 实验设置 | 第24页 |
| 3.5.4 评价指标 | 第24-25页 |
| 3.5.5 真实数据实验结果 | 第25-26页 |
| 3.5.6 人造数据实验结果 | 第26-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 重叠社区发现算法比较 | 第29-41页 |
| 4.1 基于团渗透改进的重叠社区发现算法 | 第29-30页 |
| 4.2 基于种子节点扩散的思想的重叠社区发现算法 | 第30-31页 |
| 4.2.1 LFM算法 | 第30页 |
| 4.2.2 GCE算法 | 第30-31页 |
| 4.3 基于标签传播的重叠社区发现算法 | 第31-32页 |
| 4.3.1 SLPA算法 | 第31-32页 |
| 4.3.2 COPRA算法 | 第32页 |
| 4.4 实验分析 | 第32-39页 |
| 4.4.1 实验数据 | 第32-34页 |
| 4.4.2 实验设置 | 第34页 |
| 4.4.3 评价指标 | 第34-35页 |
| 4.4.4 真实网络实验结果 | 第35-36页 |
| 4.4.5 人造数据实验结果 | 第36-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 总结 | 第41页 |
| 5.2 展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 个人简况以及联系方式 | 第48-49页 |
