复杂网络中重叠社区发现算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 本文主体结构 | 第11-12页 |
| 第二章 复杂网络基本理论 | 第12-17页 |
| 2.1 复杂网络研究历史 | 第12页 |
| 2.2 复杂网络表示方法 | 第12-13页 |
| 2.3 复杂网络的结构特征 | 第13-14页 |
| 2.3.1 度分布和无标度性质 | 第13页 |
| 2.3.2 平均路径长度和小世界特征 | 第13-14页 |
| 2.3.3 聚类系数与聚集特征 | 第14页 |
| 2.3.4 社区结构 | 第14页 |
| 2.4 复杂网络拓扑模型 | 第14-16页 |
| 2.4.1 随机网络模型 | 第14-15页 |
| 2.4.2 小世界网络模型 | 第15页 |
| 2.4.3 无标度网络模型 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 第三章 社区结构 | 第17-23页 |
| 3.1 社区定义和数学描述 | 第17页 |
| 3.2 社区结构 | 第17-18页 |
| 3.2.1 层次结构 | 第17页 |
| 3.2.2 重叠结构 | 第17-18页 |
| 3.3 社区发现算法 | 第18-22页 |
| 3.3.1 非重叠社区发现算法 | 第18-20页 |
| 3.3.2 重叠社区发现算法 | 第20-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第四章 基于总密度最大的k个有限重叠社区发现 | 第23-31页 |
| 4.1 问题背景 | 第23-24页 |
| 4.1.1 查找单个密集图 | 第23页 |
| 4.1.2 查找多个密集图 | 第23-24页 |
| 4.2 问题定义 | 第24-25页 |
| 4.2.1 密度 | 第24页 |
| 4.2.2 (k,α)DS问题 | 第24-25页 |
| 4.2.3 最小密集图 | 第25页 |
| 4.3 实现算法 | 第25-30页 |
| 4.3.1 找到单个最小密集图 | 第25-27页 |
| 4.3.2 找到多个最小密集图 | 第27-28页 |
| 4.3.3 解决(k,α)DS问题 | 第28-30页 |
| 4.4 本章小结 | 第30-31页 |
| 第五章 基于图熵聚类的重叠社区发现 | 第31-36页 |
| 5.1 问题背景 | 第31-32页 |
| 5.1.1 基于密度的方法 | 第31页 |
| 5.1.2 层次方法 | 第31-32页 |
| 5.1.3 基于划分的方法 | 第32页 |
| 5.2 节点熵和图熵 | 第32-33页 |
| 5.3 实现算法 | 第33-35页 |
| 5.4 本章小结 | 第35-36页 |
| 第六章 实验与分析 | 第36-43页 |
| 6.1 实验数据集 | 第36-37页 |
| 6.2 第四章算法实验结果及分析 | 第37-39页 |
| 6.3 第五章算法实验结果及分析 | 第39-42页 |
| 6.3.1 评价标准 | 第39-40页 |
| 6.3.2 结果和分析 | 第40-42页 |
| 6.4 本章小结 | 第42-43页 |
| 第七章 总结与展望 | 第43-44页 |
| 7.1 工作总结 | 第43页 |
| 7.2 进一步工作和展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士期间所发表的论文 | 第48-49页 |
| 后记 | 第49页 |
