| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 前言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 重叠社区挖掘的相关技术与工作 | 第16-26页 |
| 2.1 复杂网络 | 第16-19页 |
| 2.1.1 复杂网络的基本概念 | 第16-17页 |
| 2.1.2 复杂网络的基本特征 | 第17-19页 |
| 2.2 社区发现 | 第19-23页 |
| 2.2.1 社区概念 | 第19-20页 |
| 2.2.2 社区发现算法介绍 | 第20-23页 |
| 2.3 分布式并行计算模型 | 第23-25页 |
| 2.3.1 MapReduce模型 | 第23-24页 |
| 2.3.2 BSP模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 非属性图重叠社区发现算法COPRA-NLS | 第26-48页 |
| 3.1 标签传播思想及RAK算法概述 | 第26-27页 |
| 3.2 基本COPRA算法 | 第27-32页 |
| 3.2.1 算法流程 | 第27-31页 |
| 3.2.2 算法迭代终止条件 | 第31-32页 |
| 3.3 COPRA-NLS:基于新的标签选择策略的COPRA优化算法 | 第32-45页 |
| 3.3.1 问题描述 | 第32-33页 |
| 3.3.2 基于局部聚集系数和节点当前状态的标签选择策略 | 第33-36页 |
| 3.3.3 基于BSP模型的COPRA-NLS算法描述 | 第36-42页 |
| 3.3.4 基于BC-BSP平台实现方法的一些技巧讨论 | 第42-45页 |
| 3.4 COPRA-NLS算法复杂度分析 | 第45-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 属性图重叠社区发现算法SA-COPRA | 第48-68页 |
| 4.1 问题描述 | 第48-50页 |
| 4.2 属性图的重叠社区发现算法的设计框架 | 第50-51页 |
| 4.3 属性图统一计算模型 | 第51-57页 |
| 4.3.1 图的拓扑结构和属性权值的计算 | 第51-55页 |
| 4.3.2 图的拓扑结构和属性统一合并规则 | 第55-57页 |
| 4.4 基于邻接随机游走模型的相似性计算 | 第57-62页 |
| 4.4.1 随机游走模型 | 第57-58页 |
| 4.4.2 邻接随机游走相似性计算 | 第58-62页 |
| 4.5 基于BSP模型的SA-COPRA算法描述 | 第62-66页 |
| 4.6 SA-COPRA算法复杂度分析 | 第66页 |
| 4.7 本章小结 | 第66-68页 |
| 第5章 实验分析及性能测试 | 第68-80页 |
| 5.1 实验环境 | 第68页 |
| 5.2 COPRA-NLS算法实验分析 | 第68-74页 |
| 5.2.1 实验数据 | 第68-70页 |
| 5.2.2 实验结果与分析 | 第70-74页 |
| 5.2.3 实验结论 | 第74页 |
| 5.3 SA-COPRA算法实验分析 | 第74-78页 |
| 5.3.1 实验数据 | 第74-76页 |
| 5.3.2 实验结果与分析 | 第76-78页 |
| 5.3.3 实验结论 | 第78页 |
| 5.4 本章小结 | 第78-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 工作总结 | 第80-81页 |
| 6.2 工作展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 攻读硕士学位期间的科研项目情况 | 第88页 |
