改进的团搜索算法在社团发现中的应用研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-15页 |
| 1.1 课题的研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 Hadoop的发展与现状 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 2 社团发现相关算法 | 第15-26页 |
| 2.1 社团发现概念 | 第15-16页 |
| 2.2 社团划分种类 | 第16-18页 |
| 2.2.1 凝聚过程 | 第16-17页 |
| 2.2.2 分裂过程 | 第17-18页 |
| 2.2.3 搜索过程 | 第18页 |
| 2.3 不同方法的复杂度 | 第18页 |
| 2.4 检验社团发现算法的经典网络 | 第18-21页 |
| 2.5 社团发现问题相关算法 | 第21-24页 |
| 2.5.1 标签传播算法 | 第21-22页 |
| 2.5.2 GN算法 | 第22-23页 |
| 2.5.3 Newman快速算法 | 第23-24页 |
| 2.5.4 随机游走算法 | 第24页 |
| 2.6 意义 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 3 Hadoop与MapReduce | 第26-39页 |
| 3.1 Hadoop概述 | 第26-36页 |
| 3.1.1 基础概念 | 第26-27页 |
| 3.1.2 架构 | 第27-31页 |
| 3.1.3 数据损坏处理 | 第31-32页 |
| 3.1.4 流水线复制 | 第32页 |
| 3.1.5 机架感知 | 第32-33页 |
| 3.1.6 Hadoop的运行模式 | 第33-34页 |
| 3.1.7 HDFS的读写流程 | 第34-36页 |
| 3.2 MapReduce编程模型 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 改进的团搜索算法 | 第39-51页 |
| 4.1 CS算法简介 | 第39-41页 |
| 4.1.1 数据预处理 | 第39页 |
| 4.1.2 CS算法主要思想 | 第39-41页 |
| 4.2 CS算法特点 | 第41页 |
| 4.3 改进的团搜索算法 | 第41-47页 |
| 4.3.1 新算法主要思想 | 第42页 |
| 4.3.2 边存储 | 第42-44页 |
| 4.3.3 权重排序 | 第44-45页 |
| 4.3.4 团生成方法 | 第45-47页 |
| 4.4 MapReduce实现MR-T-CS算法 | 第47-50页 |
| 4.4.1 读入数据 | 第48-49页 |
| 4.4.2 选择排序 | 第49页 |
| 4.4.3 深度遍历 | 第49-50页 |
| 4.5 算法性能比较 | 第50-51页 |
| 4.5.1 时间性能 | 第50页 |
| 4.5.2 空间性能 | 第50-51页 |
| 5 实验与实验分析 | 第51-56页 |
| 5.1 实验环境 | 第51页 |
| 5.2 比较实验 | 第51-56页 |
| 5.2.1 结果对比 | 第51-54页 |
| 5.2.2 性能对比 | 第54-55页 |
| 5.2.3 集群加速 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录A 数据集1 | 第59-61页 |
| 附录B 数据集1的结果 | 第61-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69-70页 |
