| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景 | 第16-19页 |
| 1.2 研究意义 | 第19-20页 |
| 1.3 国内外研究现状 | 第20-21页 |
| 1.4 本文的工作与安排 | 第21-24页 |
| 1.4.1 研究内容 | 第21页 |
| 1.4.2 本文组织结构 | 第21-24页 |
| 第二章 复杂网络社团检测的相关基础 | 第24-34页 |
| 2.1 网络与社团的相关基础 | 第24-29页 |
| 2.1.1 复杂网络定义 | 第24-25页 |
| 2.1.2 复杂网络的表示方法 | 第25-27页 |
| 2.1.3 其他基本概念 | 第27页 |
| 2.1.4 社团的定义 | 第27-29页 |
| 2.2 社团检测评价指标 | 第29-31页 |
| 2.2.1 模块度 | 第29页 |
| 2.2.2 归一化互信息 | 第29-30页 |
| 2.2.3 F1分数 | 第30-31页 |
| 2.3 复杂网络中的经典社团检测算法 | 第31-33页 |
| 2.3.1 标签传播算法 | 第31-32页 |
| 2.3.2 其他常见算法 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于动态距离的Attractor算法及其改进算法 | 第34-52页 |
| 3.1 基于动态距离的Attractor算法 | 第34-42页 |
| 3.1.1 Attractor算法的基本原理 | 第34-36页 |
| 3.1.2 Attractor算法的相关定义与计算模式 | 第36-39页 |
| 3.1.3 Attractor算法时间复杂度及算法流程 | 第39-41页 |
| 3.1.4 Attractor算法存在的问题 | 第41-42页 |
| 3.2 Attractor的改进算法——LA算法 | 第42-48页 |
| 3.2.1 LA算法的基本原理 | 第42-43页 |
| 3.2.2 LA算法的三种计算模式 | 第43-46页 |
| 3.2.3 LA算法的流程 | 第46-47页 |
| 3.2.4 LA算法的时间复杂度 | 第47-48页 |
| 3.3 LPA的改进算法——AMLPA算法 | 第48-51页 |
| 3.3.1 AMLPA算法的基本原理 | 第48-49页 |
| 3.3.2 AMLPA的算法流程 | 第49-50页 |
| 3.3.3 AMLPA算法的时间复杂度 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 LA的并行化算法——PLA算法 | 第52-64页 |
| 4.1 一种图的表示方式——耦合表 | 第52-54页 |
| 4.2 大规模图的分布式处理 | 第54-60页 |
| 4.2.1 METIS算法 | 第55-56页 |
| 4.2.2 分布式存储方式 | 第56-57页 |
| 4.2.3 改进的分布式存储方式 | 第57-59页 |
| 4.2.4 分布式结果融合方法 | 第59-60页 |
| 4.3 PLA算法 | 第60-62页 |
| 4.3.1 PLA算法的原理 | 第60-61页 |
| 4.3.2 PLA算法的流程 | 第61页 |
| 4.3.3 PLA算法的时间复杂度分析 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 实验与分析 | 第64-76页 |
| 5.1 实验设备 | 第64页 |
| 5.2 实验数据集 | 第64页 |
| 5.3 PLA核心算法社团分布对比实验 | 第64-67页 |
| 5.4 PLA算法对输入参数的敏感性测试 | 第67-71页 |
| 5.5 PLA算法的NMI测试 | 第71-74页 |
| 5.6 PLA算法时间性能 | 第74-75页 |
| 5.7 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 未来展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
