| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 非重叠社区 | 第11-13页 |
| 1.2.2 重叠社区 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-37页 |
| 2.1 社团结构的基本概念 | 第17页 |
| 2.2 节点之间相似性指标 | 第17-19页 |
| 2.2.1 欧氏距离 | 第17-18页 |
| 2.2.2 余弦相似度 | 第18页 |
| 2.2.3 杰卡德相似系数 | 第18-19页 |
| 2.2.4 皮尔逊相关系数 | 第19页 |
| 2.2.5 边聚类系数 | 第19页 |
| 2.3 基本的社团检测算法 | 第19-33页 |
| 2.3.1 基于谱聚类的社团检测算法 | 第20-24页 |
| 2.3.2 基于马尔可夫链的社团检测算法 | 第24-27页 |
| 2.3.3 基于模块度的社团检测算法 | 第27-28页 |
| 2.3.4 基于模块度最优化的启发式算法 | 第28页 |
| 2.3.5 基于距离动力学的社区检测算法 | 第28-33页 |
| 2.4 社区检测算法的评价标准 | 第33-36页 |
| 2.4.1 模块度 | 第33-34页 |
| 2.4.2 标准化互信息 | 第34-35页 |
| 2.4.3 调整兰德指数 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于迭代聚类的社团检测算法 | 第37-59页 |
| 3.1 问题的提出及相关工作 | 第37页 |
| 3.2 基于迭代聚类的社团检测算法 | 第37-45页 |
| 3.2.1 基本概念 | 第37-38页 |
| 3.2.2 节点相似性指标 | 第38-39页 |
| 3.2.3 局部迭代模型 | 第39-44页 |
| 3.2.4 算法流程 | 第44-45页 |
| 3.3 实验分析和结果讨论 | 第45-58页 |
| 3.3.1 对比算法 | 第45-47页 |
| 3.3.2 合成网络的检测结果分析和讨论 | 第47-54页 |
| 3.3.3 真实网络的检测结果分析和讨论 | 第54-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第四章 基于迭代聚类的社团检测算法的双层网络重叠度分析 | 第59-70页 |
| 4.1 问题提出及相关工作 | 第59页 |
| 4.2 多层网络结构分析 | 第59-63页 |
| 4.2.1 基本定义 | 第60-61页 |
| 4.2.2 多层网络聚类 | 第61-63页 |
| 4.3 双层网络数据 | 第63-65页 |
| 4.3.1 微博数据 | 第63-64页 |
| 4.3.2 线虫的神经元网络 | 第64-65页 |
| 4.3.3 蛋白质相互作用网络 | 第65页 |
| 4.4 实验分析和结果讨论 | 第65-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77页 |