基于属性图的社交网络建模与态势分析理论研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·课题背景及研究的目的和意义 | 第12-13页 |
| ·国内外研究现状分析 | 第13-19页 |
| ·社交网络模型研究现状 | 第14-17页 |
| ·社区挖掘研究现状分析 | 第17-18页 |
| ·社交网络态势分析的研究现状 | 第18-19页 |
| ·本文的主要研究内容 | 第19-21页 |
| ·本文结构 | 第21-22页 |
| 第2章 社交网络的属性图结构模型 | 第22-43页 |
| ·引言 | 第22页 |
| ·属性图结构与表示 | 第22-28页 |
| ·属性图基本结构 | 第22-25页 |
| ·属性图的邻接矩阵表示 | 第25-28页 |
| ·粗糙属性图结构 | 第28-36页 |
| ·粗糙顶点属性图 | 第28-30页 |
| ·粗糙属性图 | 第30-33页 |
| ·粗糙属性图精度与粗糙度 | 第33-36页 |
| ·S-粗糙属性图结构与性质 | 第36-42页 |
| ·S-粗糙顶点属性图 | 第36-39页 |
| ·S-粗糙边属性图 | 第39-40页 |
| ·S-粗糙属性图 | 第40-41页 |
| ·S-粗糙属性图与其它图之间的关系 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 社交网络的粗糙中心区挖掘与动态分析 | 第43-62页 |
| ·引言 | 第43页 |
| ·粗匹配属性子图 | 第43-51页 |
| ·粗匹配属性子图定义及性质 | 第43-48页 |
| ·粗匹配属性子图的随机游走判定 | 第48-51页 |
| ·粗糙中心区及挖掘算法 | 第51-55页 |
| ·粗糙中心度 | 第51-52页 |
| ·粗糙中心区及其挖掘算法 | 第52-55页 |
| ·S-粗糙属性图粗糙度与社交网络动态性 | 第55-58页 |
| ·S-图精度与粗糙度 | 第55-56页 |
| ·迁移函数与 S-图粗糙度关系 | 第56-58页 |
| ·应用实例 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 集对社交网络关系社区及其挖掘算法 | 第62-82页 |
| ·引言 | 第62页 |
| ·集对分析基本概念 | 第62-63页 |
| ·基于属性图的集对社交网络分析模型 | 第63-67页 |
| ·属性图集对社交网络模型 | 第63-65页 |
| ·属性图集对社交网络性质 | 第65-66页 |
| ·集对社交网络动态分析 | 第66-67页 |
| ·集对社交网络中心区 | 第67-71页 |
| ·λ网络中心区的定义 | 第67-68页 |
| ·λ网络中心区挖掘算法设计 | 第68-69页 |
| ·应用举例 | 第69-71页 |
| ·算法分析 | 第71页 |
| ·α关系社区及其挖掘算法 | 第71-77页 |
| ·α关系社区 | 第72-73页 |
| ·静态α关系社区挖掘算法设计 | 第73-74页 |
| ·动态α关系社区挖掘算法 | 第74-77页 |
| ·实验 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第5章 社交网络集对态势分析与应用 | 第82-105页 |
| ·引言 | 第82页 |
| ·基于联系数的系统态势排序 | 第82-83页 |
| ·广义集对联系势与网络结点态势分析 | 第83-88页 |
| ·广义集对联系势与结点态势 | 第83-86页 |
| ·社交网络结点关系动态分析 | 第86-87页 |
| ·个体关系强度的态势分析 | 第87-88页 |
| ·基于联系熵的网络社区态势分析 | 第88-92页 |
| ·联系熵基本概念 | 第88-89页 |
| ·关系社区的联系熵 | 第89-91页 |
| ·应用实例 | 第91-92页 |
| ·集对社交网络实体相似度及其应用 | 第92-104页 |
| ·问题的提出 | 第92-93页 |
| ·基于属性-关系的相似度计算方法 | 第93-95页 |
| ·网络社团检测算法设计 | 第95-97页 |
| ·应用实例 | 第97-104页 |
| ·本章小结 | 第104-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-115页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第115-118页 |
| 致谢 | 第118-119页 |
| 作者简介 | 第119页 |
