几类复杂网络度量性质和拓扑性质的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-36页 |
| 1.1 论文的研究背景和意义 | 第13-19页 |
| 1.1.1 论文研究背景 | 第13-17页 |
| 1.1.2 研究意义 | 第17-19页 |
| 1.2 复杂网络的研究内容及发展现状 | 第19-31页 |
| 1.3 复杂网络研究面临的挑战 | 第31-32页 |
| 1.4 本文的主要研究工作 | 第32-34页 |
| 1.5 本文的组织结构 | 第34-36页 |
| 第二章 一类度分布为等比数列的无标度网络模型 | 第36-43页 |
| 2.1 引言 | 第36页 |
| 2.2 基础知识 | 第36-37页 |
| 2.3 网络模型 | 第37-39页 |
| 2.4 相关性质 | 第39页 |
| 2.5 应用实例 | 第39-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 复杂网络上的一个特性：电阻距离 | 第43-50页 |
| 3.1 引言 | 第43页 |
| 3.2 电网络转换 | 第43-44页 |
| 3.3 计算方法 | 第44-46页 |
| 3.4 电阻距离的来源 | 第46-47页 |
| 3.5 Kirchhoff 指数 | 第47页 |
| 3.6 电阻距离与随机游走 | 第47-48页 |
| 3.7 一个性质 | 第48页 |
| 3.8 本章小结 | 第48-50页 |
| 第四章 电阻距离的相似性度量在谱聚类中的应用 | 第50-63页 |
| 4.1 引言 | 第50-51页 |
| 4.2 相关工作 | 第51-54页 |
| 4.2.1 谱聚类 | 第51-52页 |
| 4.2.2 相似性度量 | 第52-54页 |
| 4.3 数据聚类中电阻距离的应用 | 第54-57页 |
| 4.4 实验与分析 | 第57-62页 |
| 4.4.1 非连通图 | 第57-59页 |
| 4.4.2 连通图 | 第59-60页 |
| 4.4.3 与其他算法的比较 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 基于电阻距离的社团发现算法及其改进方案 | 第63-78页 |
| 5.1 引言 | 第63-64页 |
| 5.2 社团结构 | 第64-65页 |
| 5.3 社团发现 | 第65-67页 |
| 5.4 基于电阻距离的社团发现算法 | 第67-72页 |
| 5.4.1 算法思想 | 第67-69页 |
| 5.4.2 实验与分析 | 第69-72页 |
| 5.5 利用社团定义的改进算法 | 第72-77页 |
| 5.5.1 社团的定义 | 第73-74页 |
| 5.5.2 基于社团定义的算法思想 | 第74-75页 |
| 5.5.3 实验与讨论 | 第75-77页 |
| 5.6 本章小结 | 第77-78页 |
| 第六章 复杂网络的电阻距离中心性 | 第78-93页 |
| 6.1 引言 | 第78-79页 |
| 6.2 节点中心性研究 | 第79页 |
| 6.3 中心性度量的标准 | 第79-80页 |
| 6.4 经典的中心性度量 | 第80-83页 |
| 6.4.1 度中心性 | 第80-81页 |
| 6.4.2 接近度中心性 | 第81页 |
| 6.4.3 介数中心性 | 第81-82页 |
| 6.4.4 特征向量中心性 | 第82页 |
| 6.4.5 子图中心性 | 第82-83页 |
| 6.5 电阻距离中心性 | 第83-84页 |
| 6.6 与其他中心性指标的比较 | 第84-85页 |
| 6.7 实验与讨论 | 第85-90页 |
| 6.7.1 人工网络 | 第85-88页 |
| 6.7.2 真实世界的网络 | 第88-90页 |
| 6.8 节点排序的分析 | 第90-91页 |
| 6.9 结束语 | 第91-93页 |
| 总结与展望 | 第93-96页 |
| 参考文献 | 第96-109页 |
| 攻读博士学位期间取得的研究成果 | 第109-110页 |
| 致谢 | 第110-111页 |
| 答辩委员会对论文的评定意见 | 第111页 |
