| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12页 |
| 1.3 相关理论及基础 | 第12-19页 |
| 1.4 本文的研究内容与文章结构 | 第19-20页 |
| 2 数据聚类综述 | 第20-26页 |
| 2.1 聚类基本理论 | 第20页 |
| 2.2 常见聚类算法 | 第20-24页 |
| 2.2.1 基于层次的聚类算法 | 第21-22页 |
| 2.2.2 基于划分的聚类算法 | 第22-24页 |
| 2.3 大规模数据聚类算法 | 第24-26页 |
| 3 随机分块模型 | 第26-32页 |
| 3.1 基本概念 | 第26-28页 |
| 3.2 组估计方法 | 第28-32页 |
| 3.2.1 无回溯与Bethe Hessian矩阵 | 第29-30页 |
| 3.2.2 谱估计社区数量 | 第30-32页 |
| 4 实证应用与分析 | 第32-44页 |
| 4.1 描述性统计分析 | 第32-36页 |
| 4.1.1 节点度 | 第32-33页 |
| 4.1.2 中心性 | 第33-34页 |
| 4.1.3 网络内聚性 | 第34-35页 |
| 4.1.4 网络布局 | 第35-36页 |
| 4.2 聚类算法分析 | 第36-41页 |
| 4.2.1 树形图层次聚类分析 | 第36-38页 |
| 4.2.2 k-means算法聚类分析 | 第38-40页 |
| 4.2.3 谱聚类算法分析 | 第40-41页 |
| 4.3 随机分块模型分析 | 第41-44页 |
| 5 结束语 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48页 |