基于最小描述长度的大规模图数据结构分析
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号说明 | 第12-13页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 图数据结构分解、聚类和子结构挖掘 | 第17-18页 |
| 1.2.2 大规模图数据分析方法与框架 | 第18-20页 |
| 1.2.3 基于最小描述长度的图结构研究 | 第20页 |
| 1.2.4 存在的问题 | 第20-21页 |
| 1.3 论文组织结构及安排 | 第21-23页 |
| 第2章 图结构分析基本概念与工具 | 第23-33页 |
| 2.1 图论相关知识 | 第23-25页 |
| 2.2 图数据结构分析相关技术 | 第25-31页 |
| 2.2.1 图结构聚类和图分解方法 | 第25-26页 |
| 2.2.2 子图挖掘技术 | 第26-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 基于最小描述长度的图数据结构挖掘算法 | 第33-53页 |
| 3.1 最小描述长度 | 第33-34页 |
| 3.2 问题定义与研究框架 | 第34-35页 |
| 3.3 图分解算法 | 第35-37页 |
| 3.3.1 Slashburn-RS算法 | 第36-37页 |
| 3.4 图结构编码与子图语义挖掘 | 第37-47页 |
| 3.4.1 子图结构语义挖掘算法 | 第38-41页 |
| 3.4.2 子图的编码 | 第41-44页 |
| 3.4.3 图模型的编码 | 第44-47页 |
| 3.5 子结构组合算法 | 第47-48页 |
| 3.6 SRS-GP算法 | 第48页 |
| 3.7 实验结果与分析 | 第48-50页 |
| 3.8 本章小结 | 第50-53页 |
| 第4章 基于最小描述长度的子图重叠语义挖掘 | 第53-67页 |
| 4.1 TSM算法 | 第53-54页 |
| 4.2 基于枢纽点的重叠子图挖掘算法 | 第54-63页 |
| 4.2.1 HM算法 | 第54-58页 |
| 4.2.2 算法时间复杂度 | 第58-60页 |
| 4.2.3 HM-rd算法 | 第60-61页 |
| 4.2.4 HM-sd算法 | 第61-63页 |
| 4.3 实验结果与分析 | 第63-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 论文总结 | 第67-68页 |
| 5.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的研究成果 | 第77页 |
