| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 典型应用 | 第11-15页 |
| 1.2.1 超市商品推广 | 第12-13页 |
| 1.2.2 寻人启示与公益广告宣传 | 第13页 |
| 1.2.3 网络推荐 | 第13-14页 |
| 1.2.4 红包大战 | 第14-15页 |
| 1.2.5 传染病预防 | 第15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 本文的主要工作 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第二章 社交网络中社区检测算法综述 | 第20-32页 |
| 2.1 社交网络特点 | 第20页 |
| 2.2 社交网络中的社区结构 | 第20-23页 |
| 2.3 非重叠社区发现算法 | 第23-28页 |
| 2.3.1 GN算法 | 第23-24页 |
| 2.3.2 层次聚类算法 | 第24-26页 |
| 2.3.3 K-means算法 | 第26-28页 |
| 2.4 重叠社区发现算法 | 第28-30页 |
| 2.4.1 CPM算法 | 第28-29页 |
| 2.4.2 非负矩阵分解算法 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于PCA-MI的重叠社区发现算法 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 数据集介绍 | 第32-36页 |
| 3.2.1 数据集 | 第32-33页 |
| 3.2.2 数据集的初始化处理 | 第33-36页 |
| 3.3 改进基于隶属度指数的PCA算法 | 第36-38页 |
| 3.4 PCA算法与NMF算法性能分析 | 第38-40页 |
| 3.4.1 模块度比较 | 第39页 |
| 3.4.2 时间复杂度比较 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 重叠社区与强弱边关系研究 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 重叠社区系数指标 | 第43-45页 |
| 4.3 节点度 | 第45-49页 |
| 4.4 重叠节点与强弱边之间的关系 | 第49-51页 |
| 4.5 两种网络拓扑中强弱边数量比较 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 重叠社区结构与强弱边关系在信息扩散中的作用 | 第54-60页 |
| 5.1 引言 | 第54页 |
| 5.2 传染病 | 第54-55页 |
| 5.3 实验方案 | 第55-56页 |
| 5.3.1 平均最短路径 | 第55-56页 |
| 5.3.2 特征值 | 第56页 |
| 5.4 信息扩散实验 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文工作总结 | 第60-61页 |
| 6.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的科研成果 | 第66-67页 |