| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 社区的基本定义 | 第15-16页 |
| 1.3 社区检测方法和研究趋势 | 第16-24页 |
| 1.3.1 社区检测主要方法 | 第17-22页 |
| 1.3.2 社区检测研究趋势 | 第22-24页 |
| 1.4 社区检测面临的主要问题 | 第24-25页 |
| 1.5 本文主要工作和章节安排 | 第25-28页 |
| 第二章 网络社区检测相关理论和方法 | 第28-40页 |
| 2.1 基于遗传算法的网络社区检测 | 第28-29页 |
| 2.2 基于非负矩阵分解的网络社区检测 | 第29-34页 |
| 2.3 基于多视角学习的网络社区检测 | 第34-38页 |
| 2.4 本章小结 | 第38-40页 |
| 第三章 融合先验信息的进化多视角网络社区检测 | 第40-60页 |
| 3.1 检测方法整体框架 | 第40-42页 |
| 3.2 检测算法具体实现 | 第42-47页 |
| 3.2.1 多视角信息融合 | 第42-43页 |
| 3.2.2 先验信息融合 | 第43页 |
| 3.2.3 优化目标函数 | 第43-44页 |
| 3.2.4 编码方式和解码算法 | 第44-46页 |
| 3.2.5 种群初始化 | 第46页 |
| 3.2.6 交叉算子 | 第46-47页 |
| 3.2.7 变异算子 | 第47页 |
| 3.3 实验结果与分析 | 第47-58页 |
| 3.3.1 实验数据集和实验设置 | 第47-49页 |
| 3.3.2 网络社区检测遗传优化结果及分析 | 第49-52页 |
| 3.3.3 融合多视角信息的检测结果及分析 | 第52-56页 |
| 3.3.4 融合先验信息的检测结果及分析 | 第56-58页 |
| 3.4 本章小结 | 第58-60页 |
| 第四章 基于多视角信息和选择性集成的网络社区检测 | 第60-74页 |
| 4.1 检测方法整体框架 | 第60-61页 |
| 4.2 检测方法具体实现 | 第61-64页 |
| 4.2.1 基于多视角信息的网络社区检测 | 第61页 |
| 4.2.2 网络社区检测选择性集成 | 第61-64页 |
| 4.3 实验结果与分析 | 第64-72页 |
| 4.3.1 实验数据集和实验设置 | 第65页 |
| 4.3.2 网络社区检测选择性集成结果及分析 | 第65-69页 |
| 4.3.3 融合先验信息的网络社区检测选择性集成结果及分析 | 第69-72页 |
| 4.4 本章小结 | 第72-74页 |
| 第五章 融合多链接关系和内容属性的社区检测 | 第74-90页 |
| 5.1 异构数据的多视角聚类 | 第74-78页 |
| 5.2 基于sysNMF的融合社区检测 | 第78-83页 |
| 5.2.1 sysNMF社区检测方法 | 第78-79页 |
| 5.2.2 目标函数的构建 | 第79-81页 |
| 5.2.3 优化目标的求解 | 第81-82页 |
| 5.2.4 算法复杂性分析 | 第82-83页 |
| 5.3 实验与讨论 | 第83-88页 |
| 5.3.1 数据集与评价指标 | 第83页 |
| 5.3.2 实验设置 | 第83-84页 |
| 5.3.3 结果分析与讨论 | 第84-88页 |
| 5.4 本章小结 | 第88-90页 |
| 第六章 部分节点数据缺失的融合社区检测 | 第90-102页 |
| 6.1 部分节点数据缺失问题 | 第90-92页 |
| 6.2 基于sysNMF的部分数据集融合 | 第92-95页 |
| 6.2.1 正则约束项构造 | 第92-93页 |
| 6.2.2 优化目标的求解 | 第93-95页 |
| 6.2.3 算法复杂性分析 | 第95页 |
| 6.3 实验与讨论 | 第95-100页 |
| 6.3.1 实验设置 | 第95页 |
| 6.3.2 结果分析与讨论 | 第95-100页 |
| 6.4 本章小结 | 第100-102页 |
| 第七章 总结与展望 | 第102-106页 |
| 7.1 论文的总结 | 第102-103页 |
| 7.2 下一步研究的展望 | 第103-106页 |
| 致谢 | 第106-108页 |
| 参考文献 | 第108-116页 |
| 作者简历 | 第116页 |