基于密度的增量动态社区发现算法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 静态社区划分 | 第9-11页 |
| 1.2.2 动态社区划分 | 第11-13页 |
| 1.2.3 社区演化分析 | 第13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 社区发现相关概念与方法 | 第15-26页 |
| 2.1 社区结构定义 | 第15-17页 |
| 2.2 社区评价标准 | 第17-20页 |
| 2.2.1 模块度 | 第17-19页 |
| 2.2.2 标准化交互信息 | 第19-20页 |
| 2.3 静态复杂网络社区发现算法 | 第20-22页 |
| 2.3.1 基于优化的复杂网络聚类算法 | 第20-21页 |
| 2.3.2 基于启发式的方法 | 第21-22页 |
| 2.3.3 其他复杂网络聚类算法 | 第22页 |
| 2.4 动态复杂网络社区发现算法 | 第22-25页 |
| 2.4.1 基于进化聚类分析的动态社区发现算法 | 第23-24页 |
| 2.4.2 基于增量的动态社区发现算法 | 第24-25页 |
| 2.5 本章小节 | 第25-26页 |
| 第三章 基于边密度的静态网络社区发现算法 | 第26-45页 |
| 3.1 引言 | 第26-27页 |
| 3.2 问题描述 | 第27-28页 |
| 3.3 DCBLD算法 | 第28-31页 |
| 3.3.1 算法基本定义 | 第28-29页 |
| 3.3.2 算法描述 | 第29-31页 |
| 3.4 时间复杂度分析 | 第31页 |
| 3.5 实验结果与分析 | 第31-37页 |
| 3.5.1 实验数据集介绍 | 第31-32页 |
| 3.5.2 人工网络数据集上的实验结果 | 第32-36页 |
| 3.5.3 真实网络数据集上的实验结果 | 第36-37页 |
| 3.6 DCBLD算法在动态网络中的应用 | 第37-44页 |
| 3.6.1 问题描述 | 第37-40页 |
| 3.6.2 社区演化分析 | 第40-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 基于边密度和改进模块度的增量动态社区算法 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 问题描述 | 第46-47页 |
| 4.3 算法描述 | 第47-51页 |
| 4.3.1 节点社区归属变化 | 第47-48页 |
| 4.3.2 基于边增量的变化 | 第48-49页 |
| 4.3.3 基于节点增量的变化 | 第49-50页 |
| 4.3.4 基于网络增量的动态社区发现算法 | 第50-51页 |
| 4.4 时间复杂度分析 | 第51页 |
| 4.5 实验结果与分析 | 第51-55页 |
| 4.5.1 实验数据集介绍 | 第51-52页 |
| 4.5.2 人工网络数据集上的实验结果 | 第52-53页 |
| 4.5.3 真实网络数据集上的实验结果 | 第53-55页 |
| 4.6 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 本文总结 | 第56页 |
| 未来工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64页 |
