主成分分析在复杂网络社区发现的应用
| 内容摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 导论 | 第11-17页 |
| ·复杂网络的研究价值 | 第11-13页 |
| ·复杂网络的背景 | 第11页 |
| ·复杂网络的意义 | 第11-12页 |
| ·复杂网络的表现 | 第12页 |
| ·复杂网络的特性 | 第12-13页 |
| ·社区发现的研究价值 | 第13-15页 |
| ·社区发现的背景 | 第13-14页 |
| ·社区发现的应用价值 | 第14-15页 |
| ·本文相关研究工作 | 第15-17页 |
| 第2章 复杂网络的社区发现及其主要参数模型 | 第17-28页 |
| ·社区发现综述 | 第17-20页 |
| ·社区发现领域的现状 | 第17页 |
| ·本文的主要研究成果 | 第17-18页 |
| ·社区发现的发展趋势 | 第18页 |
| ·复杂网络研究的一些新发型 | 第18-19页 |
| ·社区发现的主要参数与模型简述 | 第19-20页 |
| ·主要参数 | 第20-22页 |
| ·度和度分布 | 第20页 |
| ·群集系数 | 第20-21页 |
| ·距离和平均最短路径长度 | 第21页 |
| ·介数 | 第21-22页 |
| ·网络模型 | 第22-25页 |
| ·规则网络 | 第22页 |
| ·随机网络 | 第22-23页 |
| ·小世界网络 | 第23-24页 |
| ·无标度网络 | 第24-25页 |
| ·社区发现算法性能评价指标 | 第25-26页 |
| ·模块度 | 第25页 |
| ·标准互信息 | 第25-26页 |
| ·扎卡得系数 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 复杂网络社区发现的主要算法 | 第28-40页 |
| ·社区发现方法概述 | 第28-30页 |
| ·基于模块度优化的社团发现算法 | 第28-29页 |
| ·基于谱分析的社团发现算法 | 第29-30页 |
| ·社区发现模型和主要算法 | 第30-39页 |
| ·层次聚类法 | 第30-32页 |
| ·GN算法 | 第32-33页 |
| ·边聚集数法 | 第33-35页 |
| ·图谱分析法 | 第35-36页 |
| ·谱聚类法 | 第36-38页 |
| ·特征值分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 主成分分析法在社区发现中的应用 | 第40-58页 |
| ·主成分分析法在社区发现中的应用 | 第40-49页 |
| ·PCA对社区发现的支持 | 第40页 |
| ·协方差矩阵与主成分的选取 | 第40-43页 |
| ·实验数据 | 第43-46页 |
| ·主成分和特征向量的选取问题 | 第46-49页 |
| ·相关系数矩阵在多规模社区发现中的应用 | 第49-56页 |
| ·相关系数矩阵与重标度变换 | 第49-52页 |
| ·实验数据 | 第52-53页 |
| ·改进式效益函数 | 第53-55页 |
| ·效益函数F的折损问题及改进方案 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-59页 |
| ·总结 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 后记 | 第62页 |
