| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究意义 | 第15-18页 |
| 1.2 研究背景 | 第18-23页 |
| 1.2.1 复杂网络研究发展历程 | 第18-21页 |
| 1.2.2 复杂网络研究面临的挑战 | 第21-23页 |
| 1.3 本文的主要贡献与创新 | 第23页 |
| 1.4 本论文的结构安排 | 第23-25页 |
| 第二章 复杂网络基础知识 | 第25-30页 |
| 2.1 复杂网络的基本特性 | 第25页 |
| 2.2 网络模型 | 第25-27页 |
| 2.2.1 规则网络模型 | 第25-26页 |
| 2.2.2 随机网络模型 | 第26页 |
| 2.2.3 小世界网络模型 | 第26-27页 |
| 2.2.4 无标度网络模型 | 第27页 |
| 2.3 复杂网络结构 | 第27-28页 |
| 2.3.1 度 | 第27页 |
| 2.3.2 平均路径 | 第27-28页 |
| 2.3.3 聚类系数 | 第28页 |
| 2.3.4 社团 | 第28页 |
| 2.4 网络传播 | 第28-29页 |
| 2.4.1 传播源 | 第28-29页 |
| 2.4.2 节点的重要性 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 复杂网络结构研究 | 第30-66页 |
| 3.1 引言 | 第30页 |
| 3.2 社团的评价指标 | 第30-32页 |
| 3.2.1 模块度（Modularity） | 第30-31页 |
| 3.2.2 模块密度（Module Density） | 第31页 |
| 3.2.3 标准化互信息（Normalized Mutual Information） | 第31页 |
| 3.2.4 社团强弱（Strong/Weak Sense Community） | 第31-32页 |
| 3.2.5 聚类系数（Clustering Coefficient） | 第32页 |
| 3.3 常见社团划分算法 | 第32-37页 |
| 3.3.1 基于网络图划分的算法 | 第32-34页 |
| 3.3.2 基于层次聚类的算法 | 第34-35页 |
| 3.3.3 基于划分聚类的算法 | 第35-36页 |
| 3.3.4 其他算法 | 第36-37页 |
| 3.4 基于节点相似性的社团划分算法 | 第37-44页 |
| 3.4.1 节点相似性 | 第37-39页 |
| 3.4.2 基于节点相似性度量的社团划分方法 | 第39-41页 |
| 3.4.3 算法实验结果 | 第41-43页 |
| 3.4.4 结论 | 第43-44页 |
| 3.5 基于融合聚类的社团划分算法 | 第44-53页 |
| 3.5.1 标签传播算法更新机制 | 第45-46页 |
| 3.5.2 融合聚类 | 第46-47页 |
| 3.5.3 基于融合聚类的社团划分算法 | 第47-49页 |
| 3.5.4 算法实验结果 | 第49-53页 |
| 3.5.5 结论 | 第53页 |
| 3.6 基于节点排序的社团划分算法 | 第53-59页 |
| 3.6.1 引言 | 第53-54页 |
| 3.6.2 节点排序 | 第54-56页 |
| 3.6.3 基于节点排序的社团划分算法 | 第56-57页 |
| 3.6.4 算法实验结果 | 第57-59页 |
| 3.6.5 结论 | 第59页 |
| 3.7 恒定社团 | 第59-65页 |
| 3.7.1 基本概念 | 第60-61页 |
| 3.7.2 节点序列 | 第61页 |
| 3.7.3 基于融合聚类的恒定社团发现算法 | 第61-63页 |
| 3.7.4 算法实验结果 | 第63-65页 |
| 3.7.5 结论 | 第65页 |
| 3.8 本章小结 | 第65-66页 |
| 第四章 信息源定位研究 | 第66-76页 |
| 4.1 引言 | 第66页 |
| 4.2 信息传播方式 | 第66-67页 |
| 4.3 信息传播模型 | 第67页 |
| 4.4 信息源定位算法 | 第67-71页 |
| 4.4.1 基于节点中心性的信息源检测算法 | 第67-68页 |
| 4.4.2 基于最大似然估计的信息源检测算法 | 第68-71页 |
| 4.5 基于节点可达性度量的信息源定位算法 | 第71-75页 |
| 4.5.1 可达性（Reachability） | 第71页 |
| 4.5.2 基于节点可达性度量的信息源定位算法 | 第71-72页 |
| 4.5.3 实验结果 | 第72-75页 |
| 4.6 本章小结 | 第75-76页 |
| 第五章 节点重要性研究 | 第76-88页 |
| 5.1 引言 | 第76页 |
| 5.2 常见节点重要性排序算法 | 第76-81页 |
| 5.2.1 基于网络局部属性的节点重要性排序算法 | 第76-77页 |
| 5.2.2 基于网络全局属性的节点重要性排序算法 | 第77-78页 |
| 5.2.3 基于网络位置属性的节点重要性排序算法 | 第78-81页 |
| 5.2.4 基于随机游走的节点重要性排序算法 | 第81页 |
| 5.3 基于?跳邻居K?核信息的节点重要性排序算法 | 第81-87页 |
| 5.3.1 跳数?的确定方法 | 第82页 |
| 5.3.2 节点的重要性衡量指标 | 第82-83页 |
| 5.3.3 算法步骤 | 第83页 |
| 5.3.4 实验结果 | 第83-87页 |
| 5.4 本章小结 | 第87-88页 |
| 第六章 在实际网络中的应用 | 第88-98页 |
| 6.1 实验网络介绍 | 第88-89页 |
| 6.2 结果分析 | 第89-97页 |
| 6.2.1 网络结构分析 | 第89-93页 |
| 6.2.2 定位信息源 | 第93-94页 |
| 6.2.3 节点重要性排序 | 第94-97页 |
| 6.3 本章小结 | 第97-98页 |
| 第七章 总结与展望 | 第98-101页 |
| 7.1 全文总结 | 第98-99页 |
| 7.2 后续工作展望 | 第99-101页 |
| 致谢 | 第101-102页 |
| 参考文献 | 第102-107页 |
| 攻读博士学位期间取得的成果 | 第107-109页 |
