基于自然最近邻居的社团检测算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容及主要工作 | 第11-12页 |
| 1.4 论文组织安排 | 第12-13页 |
| 2 社团检测相关理论 | 第13-19页 |
| 2.1 引言 | 第13页 |
| 2.2 复杂网络的概念定义 | 第13页 |
| 2.3 复杂网络的表示 | 第13-14页 |
| 2.4 复杂网络的结构特征 | 第14-16页 |
| 2.4.1 节点度 | 第14页 |
| 2.4.2 节点度分布 | 第14-15页 |
| 2.4.3 点强度与点强度分布 | 第15页 |
| 2.4.4 群聚系数 | 第15-16页 |
| 2.4.5 平均最短路径长度 | 第16页 |
| 2.5 复杂网络模型简介 | 第16-18页 |
| 2.5.1 小世界网络 | 第16-17页 |
| 2.5.2 无标度网络 | 第17-18页 |
| 2.6 社团结构定义 | 第18页 |
| 2.7 本章小结 | 第18-19页 |
| 3 社团检测主要算法 | 第19-29页 |
| 3.1 引言 | 第19页 |
| 3.2 图形分割算法 | 第19-21页 |
| 3.2.1 Kemighan-Lin 算法 | 第19-20页 |
| 3.2.2 谱平分算法 | 第20-21页 |
| 3.3 分级聚类算法 | 第21-24页 |
| 3.3.1 GN 算法 | 第22-23页 |
| 3.3.2 Newman 快速算法 | 第23-24页 |
| 3.4 SCAN 算法 | 第24-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于自然最近邻居的社团检测算法 | 第29-45页 |
| 4.1 引言 | 第29页 |
| 4.2 自然最近邻居 | 第29-39页 |
| 4.2.1 自然最近邻居定义 | 第29-31页 |
| 4.2.2 改进的自然最近邻居算法终止条件 | 第31-32页 |
| 4.2.3 自然最近邻域图 | 第32页 |
| 4.2.4 改进的自然最近邻域图生成方法 | 第32-37页 |
| 4.2.5 改进的自然最近邻居判定依据 | 第37-39页 |
| 4.3 基于自然最近邻居的社团检测算法 | 第39-44页 |
| 4.3.1 概念定义 | 第39-41页 |
| 4.3.2 算法描述 | 第41-44页 |
| 4.3.3 时间复杂度分析 | 第44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 算法实验设计及结果分析 | 第45-62页 |
| 5.1 引言 | 第45页 |
| 5.2 实验数据获取 | 第45-46页 |
| 5.3 实验平台 | 第46-47页 |
| 5.4 实验流程设计 | 第47-48页 |
| 5.5 实验结果与分析 | 第48-61页 |
| 5.5.1 空手道俱乐部关系网络 | 第48-52页 |
| 5.5.2 海豚社会网络 | 第52-57页 |
| 5.5.3 美国大学足球队网络 | 第57-61页 |
| 5.6 本章小结 | 第61-62页 |
| 6 总结和展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 前景展望及下一步工作 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69页 |
