| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·计算机科学中的图形分割相关 | 第11-12页 |
| ·社会学中的层次聚类相关 | 第12页 |
| ·基于多个因素的图聚类相关 | 第12-13页 |
| ·研究内容与主要工作 | 第13-14页 |
| ·论文组织结构安排 | 第14-16页 |
| 第二章 社会网络及经典的社团发现算法 | 第16-27页 |
| ·社会网络及其表示方法 | 第16-17页 |
| ·社团结构定义 | 第17-18页 |
| ·经典的社团发现算法 | 第18-24页 |
| ·基于优化的算法 | 第19-21页 |
| ·Kernighan-Lin 算法 | 第19页 |
| ·Newman 快速算法 | 第19-20页 |
| ·谱平分法 | 第20-21页 |
| ·基于启发式的算法 | 第21-22页 |
| ·GN 算法 | 第21-22页 |
| ·CPM 派系过滤算法 | 第22页 |
| ·其他划分算法 | 第22-24页 |
| ·社团发现算法性能分析 | 第24页 |
| ·社团结构衡量标准 | 第24-26页 |
| ·划分准确率 | 第24-25页 |
| ·模块度函数 Q 值 | 第25页 |
| ·算法的划分复杂度 | 第25-26页 |
| ·其他度量方法 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于节点相似度的社团发现算法 | 第27-37页 |
| ·引言 | 第27页 |
| ·基本概念 | 第27-33页 |
| ·属性扩展图 | 第27-30页 |
| ·基于结构情境的相似度 | 第30-31页 |
| ·节点的转移概率 | 第31-32页 |
| ·社团模块度 | 第32页 |
| ·k-means 聚类算法 | 第32-33页 |
| ·算法整体思想 | 第33-34页 |
| ·算法伪代码描述 | 第34-35页 |
| ·算法时间复杂度分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 算法实验 | 第37-45页 |
| ·算法模块及函数设计 | 第37-38页 |
| ·实验及结果分析 | 第38-44页 |
| ·带属性的人工构造的二社团网络 | 第38-40页 |
| ·Zachary’s Club 空手道俱乐部网络 | 第40-41页 |
| ·American College Football 美国大学足球网络 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·论文内容总结 | 第45页 |
| ·未来研究展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 在学研究成果 | 第50-51页 |
| 致谢 | 第51页 |