| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文的研究内容和主要工作 | 第10页 |
| ·论文的组织结构 | 第10-11页 |
| 第二章 社团检测相关概念与定义 | 第11-18页 |
| ·复杂社会网络 | 第11-12页 |
| ·复杂社会网络 | 第11页 |
| ·最短路径长度 | 第11-12页 |
| ·节点强度 | 第12页 |
| ·社团检测 | 第12-15页 |
| ·社团结构 | 第12-13页 |
| ·社团检测 | 第13-15页 |
| ·评价体系 | 第15-17页 |
| ·模块度Q | 第15-16页 |
| ·准确率A | 第16-17页 |
| ·标准互信息NMI | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于随机游走的节点相似性度量方法—RWS算法 | 第18-29页 |
| ·常用的相似性度量方法 | 第18-19页 |
| ·基于随机游走的相似性度量算法——RWS算法 | 第19-20页 |
| ·RWS算法简介 | 第19页 |
| ·随机游走 | 第19-20页 |
| ·RWS算法设计 | 第20-21页 |
| ·RWS算法描述 | 第20页 |
| ·RWS算法程序设计 | 第20-21页 |
| ·RWS实验与分析 | 第21-28页 |
| ·实验环境 | 第21-22页 |
| ·实验数据集 | 第22-24页 |
| ·RWS算法实验分析 | 第24-26页 |
| ·参数取值讨论实验 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于线性阈值模型的社团发现方法—LTCD算法 | 第29-39页 |
| ·基于线性闽值模型的社团检测算法——LTCD算法 | 第29-30页 |
| ·LTCD算法简介 | 第29页 |
| ·线性阈值模型 | 第29-30页 |
| ·LTCD算法描述 | 第30-32页 |
| ·LTCD算法设计 | 第32-35页 |
| ·LTCD算法流程 | 第32-34页 |
| ·LTCD算法程序设计 | 第34-35页 |
| ·LTCD实验与分析 | 第35-38页 |
| ·实验环境 | 第35页 |
| ·实验数据集 | 第35页 |
| ·LTCD对比实验设计 | 第35-37页 |
| ·参数-阈值θ取值讨论实验 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于协同的社团发现方法—CMCD算法 | 第39-47页 |
| ·协同聚类 | 第39页 |
| ·CMCD算法描述 | 第39-40页 |
| ·CMCD算法设计 | 第40-42页 |
| ·CMCD算法流程 | 第40-41页 |
| ·CMCD算法程序设计 | 第41-42页 |
| ·CMCD实验与分析 | 第42-46页 |
| ·实验环境 | 第42-43页 |
| ·实验数据集 | 第43页 |
| ·CMCD-Single实验 | 第43-44页 |
| ·CMCD-Mix算法 | 第44页 |
| ·参数-可信度取值讨论实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·全文工作总结 | 第47-48页 |
| ·工作展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |