| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文贡献 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 相关知识 | 第13-28页 |
| 2.1 复杂网络 | 第13-15页 |
| 2.2 影响力最大化理论 | 第15-16页 |
| 2.3 影响力最大化传播模型 | 第16-20页 |
| 2.3.1 独立级联模型 | 第17-18页 |
| 2.3.2 线性阈值模型 | 第18-19页 |
| 2.3.3 权重级联模型 | 第19-20页 |
| 2.3.4 其他传播模型 | 第20页 |
| 2.4 影响力最大化经典算法 | 第20-27页 |
| 2.4.1 贪心算法 | 第20-21页 |
| 2.4.2 CELF算法 | 第21-22页 |
| 2.4.3 度中心性算法 | 第22-23页 |
| 2.4.4 DegreeDiscount算法 | 第23-26页 |
| 2.4.5 SCG算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于最大派系的度值衰减算法 | 第28-40页 |
| 3.1 复杂网络中的派系及其作用 | 第28-29页 |
| 3.2 派系算法 | 第29页 |
| 3.3 基于节点度与最大派系的度值衰减算法 | 第29-32页 |
| 3.3.1 MaxCliDN算法的基本思想 | 第29-30页 |
| 3.3.2 MaxCliDN算法的步骤 | 第30-32页 |
| 3.4 实验设置以及数据集 | 第32-33页 |
| 3.4.1 实验环境配置 | 第32页 |
| 3.4.2 实验参数设置 | 第32页 |
| 3.4.3 实验数据集 | 第32-33页 |
| 3.5 实验结果及其分析 | 第33-38页 |
| 3.5.1 邻居节点衰减系数α的选取 | 第33-35页 |
| 3.5.2 实验结果及其分析 | 第35-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于节点度与派系社团的Deg_Ncliq算法 | 第40-62页 |
| 4.1 复杂网络中的社团结构 | 第40-41页 |
| 4.2 社团检测中的模块度 | 第41-45页 |
| 4.2.1 基于模块度的社团检测算法 | 第43-44页 |
| 4.2.2 模块度社团检测算法的局限 | 第44-45页 |
| 4.3 基于节点度与派系社团的Deg_Ncliq算法 | 第45-53页 |
| 4.3.1 派系过滤算法 | 第45-47页 |
| 4.3.2 D_Nclique指标与节点排序 | 第47-50页 |
| 4.3.3 基于CELF的改进算法 | 第50-52页 |
| 4.3.4 算法复杂度分析 | 第52-53页 |
| 4.4 实际网络实验及其结果分析 | 第53-61页 |
| 4.4.1 实验参数设置 | 第53页 |
| 4.4.2 实验结果及其分析 | 第53-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 在校期间的科研成果 | 第69-70页 |
| 致谢 | 第70页 |