| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·研究过程中所面临的问题 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 复杂网络与数据挖掘的相关理论 | 第14-23页 |
| ·复杂网络相关理论 | 第14-19页 |
| ·复杂网络简介 | 第14-16页 |
| ·复杂网络的定义 | 第14-15页 |
| ·具有社团结构 | 第15-16页 |
| ·“小世界”现象 | 第16页 |
| ·基于相异性的算法 | 第16-19页 |
| ·数据挖掘相关技术 | 第19-23页 |
| ·数据挖掘简介 | 第19-20页 |
| ·k-means 聚类算法 | 第20-23页 |
| ·聚类简介 | 第20页 |
| ·k-means 聚类算法 | 第20-23页 |
| 第三章 社会网络 | 第23-28页 |
| ·社会网络简介 | 第23-26页 |
| ·引言 | 第23页 |
| ·社会网络的表示形式 | 第23-24页 |
| ·静态社会网络 | 第24页 |
| ·动态社会网络 | 第24-25页 |
| ·社会网络的应用——购物网络简介 | 第25-26页 |
| ·logistic 曲线 | 第26-28页 |
| ·logistic 曲线原理 | 第26-27页 |
| ·社区发展过程的描述 | 第27-28页 |
| 第四章 基于节点活跃度的动态社会网络划分算法 | 第28-37页 |
| ·引言 | 第28页 |
| ·节点间的相似度 | 第28-29页 |
| ·节点活跃度 | 第29-31页 |
| ·算法实现 | 第31-32页 |
| ·实验验证 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于节点间相异性指数的动态社会网络划分算法 | 第37-46页 |
| ·引言 | 第37页 |
| ·Floyd 算法 | 第37-38页 |
| ·最短路径长度 | 第37页 |
| ·Floyd 算法 | 第37-38页 |
| ·动态社会网络的表示方式 | 第38页 |
| ·节点间的相异性指数 | 第38-40页 |
| ·算法的实现 | 第40-42页 |
| ·实验验证 | 第42-45页 |
| ·本章总结 | 第45-46页 |
| 第六章 总结和展望 | 第46-48页 |
| ·本文总结 | 第46页 |
| ·展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |