基于边划分的重叠社区发现算法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 论文工作 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 社区发现相关研究 | 第15-30页 |
| 2.1 非重叠社区发现算法 | 第15-20页 |
| 2.1.1 传统方法 | 第15-17页 |
| 2.1.2 切分算法 | 第17页 |
| 2.1.3 基于模块度的方法 | 第17-19页 |
| 2.1.4 统计推断方法 | 第19-20页 |
| 2.2 重叠社区发现算法 | 第20-25页 |
| 2.2.1 团过滤方法 | 第20-21页 |
| 2.2.2 边划分方法 | 第21-22页 |
| 2.2.3 局部扩张和优化方法 | 第22-23页 |
| 2.2.4 基于非负矩阵分解的方法 | 第23-25页 |
| 2.3 数据集及评价方法 | 第25-29页 |
| 2.3.1 测试数据集 | 第25-26页 |
| 2.3.2 评价方法 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于非对称加权图的边划分方法 | 第30-42页 |
| 3.1 LPAWG的主要过程 | 第30-31页 |
| 3.1.1 将图转化为非对称加权图 | 第30-31页 |
| 3.1.2 将边社区翻译为顶点社区 | 第31页 |
| 3.1.3 LPAWG的示例 | 第31页 |
| 3.2 LPAWG模型 | 第31-35页 |
| 3.2.1 求解算法 | 第32-33页 |
| 3.2.2 加速算法 | 第33-34页 |
| 3.2.3 理论分析 | 第34-35页 |
| 3.3 实验结果 | 第35-39页 |
| 3.3.1 人工生成网络 | 第35-37页 |
| 3.3.2 真实网络 | 第37-39页 |
| 3.4 本章小结 | 第39-42页 |
| 第四章 基于对称非负矩阵分解的边划分方法 | 第42-54页 |
| 4.1 相关工作 | 第42-43页 |
| 4.1.1 基于加权线图的边划分 | 第42-43页 |
| 4.1.2 对称非负矩阵分解 | 第43页 |
| 4.2 提出模型 | 第43-44页 |
| 4.3 优化算法 | 第44-49页 |
| 4.3.1 乘法更新法则 | 第44-46页 |
| 4.3.2 增广拉格朗日方法 | 第46-49页 |
| 4.4 复杂性分析 | 第49-50页 |
| 4.5 实验结果 | 第50-51页 |
| 4.6 本章小结 | 第51-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 工作不足与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 作者在学期间取得的学术成果 | 第63页 |
