| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-12页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14页 |
| 1.3 本文主要内容和组织结构 | 第14-17页 |
| 1.3.1 主要内容 | 第14-15页 |
| 1.3.2 组织结构 | 第15-17页 |
| 2 复杂网络与社区发现 | 第17-32页 |
| 2.1 复杂网络基本理论 | 第17-23页 |
| 2.1.1 网络与表示 | 第17-18页 |
| 2.1.2 复杂网络的基本属性 | 第18-21页 |
| 2.1.3 复杂网络重要概念 | 第21-23页 |
| 2.2 社区发现算法概述 | 第23-30页 |
| 2.2.1 非重叠社区发现算法 | 第23-27页 |
| 2.2.2 重叠社区发现算法 | 第27-30页 |
| 2.3 本章小结 | 第30-32页 |
| 3 基于改进MCMC方法的重叠社区发现算法 | 第32-43页 |
| 3.1 MCMC方法和极大似然估计 | 第32-33页 |
| 3.1.1 MCMC方法 | 第32页 |
| 3.1.2 极大似然估计 | 第32-33页 |
| 3.2 基于社区隶属图模型的重叠社区发现算法 | 第33-36页 |
| 3.2.1 社区隶属图模型构建 | 第33-34页 |
| 3.2.2 基于社区隶属图模型的重叠社区发现 | 第34-36页 |
| 3.3 基于改进MCMC方法的重叠社区发现算法 | 第36-38页 |
| 3.4 实验结果与分析 | 第38-42页 |
| 3.4.1 算法的评估指标 | 第38页 |
| 3.4.2 实验数据 | 第38-40页 |
| 3.4.3 实验结果与分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 融入节点相似的BIGCLAM模型重叠社区发现算法改进 | 第43-56页 |
| 4.1 非负矩阵分解与节点相似性 | 第43-46页 |
| 4.1.1 非负矩阵分解 | 第43-44页 |
| 4.1.2 节点相似 | 第44-46页 |
| 4.2 基于BIGCLAM模型的重叠社区发现算法 | 第46-49页 |
| 4.2.1 BIGCLAM模型构建 | 第46-47页 |
| 4.2.2 基于BIGCLAM模型的重叠社区发现算法 | 第47-49页 |
| 4.3 融入节点相似的BIGCLAM模型的重叠社区发现算法改进 | 第49-50页 |
| 4.4 实验分析与评估 | 第50-54页 |
| 4.4.1 实验数据 | 第50页 |
| 4.4.2 评价指标 | 第50-51页 |
| 4.4.3 实验过程与结果分析 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
