| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12页 |
| 1.2 问题的提出及研究意义 | 第12-13页 |
| 1.2.1 问题的提出 | 第12-13页 |
| 1.2.2 研究意义 | 第13页 |
| 1.3 国内外研究概况 | 第13-19页 |
| 1.3.1 论文引用网络的研究概况 | 第13-16页 |
| 1.3.2 复杂网络社团发现算法的研究概况 | 第16-18页 |
| 1.3.3 学术社团发现的研究概况 | 第18-19页 |
| 1.4 本文的主要研究工作 | 第19页 |
| 1.5 论文的组织结构安排 | 第19-21页 |
| 第二章 相关理论与技术 | 第21-29页 |
| 2.1 数据挖掘的相关知识 | 第21-27页 |
| 2.1.1 数据挖掘的定义 | 第21-22页 |
| 2.1.2 数据挖掘的基本流程 | 第22-23页 |
| 2.1.3 数据预处理 | 第23-27页 |
| 2.2 图的相关知识 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于论文引用关系的复杂网络的建立 | 第29-37页 |
| 3.1 学术论文结构解析 | 第29-30页 |
| 3.2 论文引用关系及建模 | 第30-35页 |
| 3.2.1 引用关系 | 第30页 |
| 3.2.2 同引关系 | 第30-31页 |
| 3.2.3 共著关系 | 第31页 |
| 3.2.4 耦合关系 | 第31-32页 |
| 3.2.5 间接引用关系 | 第32页 |
| 3.2.6 引用关系网络建模 | 第32-35页 |
| 3.3 作者关联网络建立 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 改进的DBSCAN社团发现算法 | 第37-56页 |
| 4.1 重要社团发现算法概述 | 第37-45页 |
| 4.1.1 基于层次的聚类算法 | 第37-41页 |
| 4.1.2 随机游走算法 | 第41页 |
| 4.1.3 派系过滤算法 | 第41-42页 |
| 4.1.4 基于划分的聚类算法 | 第42-43页 |
| 4.1.5 谱平分法 | 第43-45页 |
| 4.2 传统DBSCAN算法 | 第45-47页 |
| 4.3 改进的DBSCAN算法 | 第47-51页 |
| 4.3.1 Eps参数集合的选择 | 第49-51页 |
| 4.3.2 标记噪声的DBSCAN迭代聚类 | 第51页 |
| 4.4 算法模拟实验及结果分析 | 第51-55页 |
| 4.4.1 实验数据集 | 第51-52页 |
| 4.4.2 实验结果 | 第52-53页 |
| 4.4.3 实验结果分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 改进的DBSCAN算法在学术社团发现中的应用 | 第56-73页 |
| 5.1 实验环境 | 第56页 |
| 5.2 实验数据来源 | 第56-60页 |
| 5.3 数据预处理 | 第60-61页 |
| 5.3.1 数据清理 | 第60页 |
| 5.3.2 数据规约 | 第60-61页 |
| 5.4 关联强度计算 | 第61-63页 |
| 5.5 算法有效性评价指标 | 第63-64页 |
| 5.6 实验结果分析 | 第64-72页 |
| 5.6.1 传统DBSCAN算法 | 第64-67页 |
| 5.6.2 GN算法 | 第67-68页 |
| 5.6.3 改进后的DBSCAN算法 | 第68-72页 |
| 5.7 本章小结 | 第72-73页 |
| 论文总结及展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |