基于中心性与路由特征的多粒度社团发现算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究的背景与意义 | 第10-12页 |
| 1.1.1 课题背景及意义 | 第10-11页 |
| 1.1.2 本文的研究意义 | 第11-12页 |
| 1.2 社团结构研究现状 | 第12-18页 |
| 1.2.1 社团结构 | 第12-14页 |
| 1.2.2 社团发现算法 | 第14-17页 |
| 1.2.3 社团可视化 | 第17-18页 |
| 1.3 本文研究内容 | 第18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第2章 边聚簇社团发现算法模型 | 第20-26页 |
| 2.1 构建树图 | 第20-21页 |
| 2.2 社团划分：树图的分割 | 第21-24页 |
| 2.2.1 分割密度 | 第22页 |
| 2.2.2 使用分割密度分割树图 | 第22-24页 |
| 2.3 边聚簇算法的测试数据集 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于中心性的边聚簇 | 第26-46页 |
| 3.1 复杂网络中心性概述 | 第26-31页 |
| 3.1.1 度中心性指标 | 第28页 |
| 3.1.2 特征向量中心性指标 | 第28-29页 |
| 3.1.3 紧密度中心性指标 | 第29-30页 |
| 3.1.4 介数中心性指标 | 第30-31页 |
| 3.2 基于复杂网络中心性的边聚簇设计与实现 | 第31-34页 |
| 3.3 基于复杂网络中心性的边聚簇 | 第34-37页 |
| 3.3.1 基于度中心性的边聚簇 | 第34-35页 |
| 3.3.2 基于特征向量中心性的边聚簇 | 第35-36页 |
| 3.3.3 基于紧密度中心性的边聚簇 | 第36-37页 |
| 3.3.4 基于介数中心性的边聚簇 | 第37页 |
| 3.4 真实网络数据集上的测试 | 第37-43页 |
| 3.5 本章小结 | 第43-46页 |
| 第4章 基于路由特征的边聚簇 | 第46-56页 |
| 4.1 复杂网络与互联网 | 第46-49页 |
| 4.2 基于路由特征的边相似性 | 第49-50页 |
| 4.3 在真实数据集上的测试 | 第50-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 社团发现算法评价体系 | 第56-66页 |
| 5.1 传统社团发现算法的评价方法 | 第56-58页 |
| 5.2 重叠社团模块度 | 第58-60页 |
| 5.3 社团划分算法综合评价体系 | 第60-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 本文所做的工作 | 第66-67页 |
| 6.2 不足及展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士学位期间发表的论文 | 第74页 |
