| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第二章 社交网络及社团发现算法 | 第15-28页 |
| 2.1 社交网络 | 第15-18页 |
| 2.1.1 社交网络定义 | 第15-16页 |
| 2.1.2 社交网络发展及分类 | 第16-17页 |
| 2.1.3 社交网络特性 | 第17-18页 |
| 2.2 社交网络拓扑结构 | 第18-22页 |
| 2.2.1 社交网络符号表示 | 第18-19页 |
| 2.2.2 社交网络结构 | 第19-22页 |
| 2.3 典型的社团发现算法 | 第22-26页 |
| 2.3.1 基于启发式的社团发现算法 | 第22-23页 |
| 2.3.2 基于模块度优化的社团发现算法 | 第23-25页 |
| 2.3.3 重叠社团发现算法 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 基于遗传和声算法的社团发现算法 | 第28-39页 |
| 3.1 算法背景 | 第28-29页 |
| 3.2 基于改进和声算法的社团发现算法 | 第29-32页 |
| 3.2.1 问题描述 | 第29-30页 |
| 3.2.2 初始和声库生成 | 第30页 |
| 3.2.3 双路交叉策略 | 第30-31页 |
| 3.2.4 变异策略 | 第31页 |
| 3.2.5 遗传和声社团发现算法流程 | 第31-32页 |
| 3.3 实验及分析 | 第32-38页 |
| 3.3.1 评价指标 | 第32-33页 |
| 3.3.2 人工数据集实验 | 第33-34页 |
| 3.3.3 真实数据集实验 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 确定FCM聚类中心的自动谱聚类社团发现算法 | 第39-52页 |
| 4.1 算法背景 | 第39-40页 |
| 4.2 自动谱聚类社团发现算法 | 第40-43页 |
| 4.2.1 自动确定社团划分数量 | 第40-41页 |
| 4.2.2 确定FCM算法的聚类中心 | 第41页 |
| 4.2.3 模糊C均值算法 | 第41-42页 |
| 4.2.4 自动确定社团数量的FCMASC算法 | 第42-43页 |
| 4.3 实验及分析 | 第43-49页 |
| 4.3.1 自动确定社团数量 | 第44-46页 |
| 4.3.2 人工合成网络 | 第46页 |
| 4.3.3 真实网络 | 第46-49页 |
| 4.4 本章小结 | 第49-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间的研究成果 | 第58-59页 |