| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 图挖掘技术的兴起和应用 | 第9-10页 |
| 1.1.2 运用图挖掘技术处理移动通话网络 | 第10-11页 |
| 1.1.3 运用图挖掘技术处理移动通话网络面临的挑战 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图挖掘在多学科中的运用 | 第11-12页 |
| 1.2.2 图挖掘技术在社交网络数据挖掘中的运用 | 第12-14页 |
| 1.2.3 图挖掘技术在电信数据挖掘中的运用 | 第14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 移动通话网络用户类定义 | 第16-20页 |
| 2.1 常用聚类定义简介 | 第16-17页 |
| 2.2 基于移动通话网络的用户聚类定义 | 第17-20页 |
| 第三章 基于无向图的移动通话网络聚类 | 第20-30页 |
| 3.1 无向移动通话图问题定义 | 第20-21页 |
| 3.2 基于介数的无向通话图聚类算法实现 | 第21-26页 |
| 3.2.1 无向图聚类算法介绍 | 第21-22页 |
| 3.2.2 图的介数的概念简介 | 第22-23页 |
| 3.2.3 计算无向移动通话图中的最短路径 | 第23-24页 |
| 3.2.4 计算无向移动通话图中边的介数 | 第24-26页 |
| 3.2.5 无向移动通话图Gu的聚类算法设计 | 第26页 |
| 3.3 实验结果分析 | 第26-30页 |
| 3.3.1 实验数据和平台 | 第26-29页 |
| 3.3.2 实验结果 | 第29-30页 |
| 第四章 基于有向图的移动通话网络聚类 | 第30-44页 |
| 4.1 移动通话网络无向图聚类的不足 | 第30-31页 |
| 4.2 基于密度的有向移动通话图聚类的问题定义 | 第31-32页 |
| 4.3 基于介数的聚类算法的改进与实现 | 第32-40页 |
| 4.3.1 无向图聚类算法向有向加权图的扩展 | 第32-35页 |
| 4.3.2 基于介数的聚类算法缺陷 | 第35-36页 |
| 4.3.3 顶点分裂方法的关键问题 | 第36-38页 |
| 4.3.4 有向图顶点分裂方法 | 第38-39页 |
| 4.3.5 改进的基于介数的有向图聚类算法 | 第39-40页 |
| 4.4 算法复杂度分析 | 第40-41页 |
| 4.5 实验结果分析 | 第41-44页 |
| 4.5.1 SocialEvolution数据集聚类结果分析 | 第41-43页 |
| 4.5.2 Friends and Family数据集聚类结果分析 | 第43-44页 |
| 第五章 移动通话图重要节点识别和基于信息流的类挖掘 | 第44-55页 |
| 5.1 移动通话网络信息传播关键节点的定义 | 第44-45页 |
| 5.2 网络重要节点度量标准 | 第45-48页 |
| 5.2.1 度中心性度量标准 | 第46页 |
| 5.2.2 距离中心性度量标准 | 第46-47页 |
| 5.2.3 特征向量中心性度量标准 | 第47页 |
| 5.2.4 介数中心性度量标准 | 第47-48页 |
| 5.3 移动通话网络重要节点的鉴别方法 | 第48-49页 |
| 5.4 基于信息流的移动通话网络聚类 | 第49-51页 |
| 5.5 实验结果分析 | 第51-53页 |
| 5.5.1 SocialEvolution数据集 | 第51-52页 |
| 5.5.2 Friends and Family数据集 | 第52-53页 |
| 5.6 基于聚类结果和信息传播关键节点的商业运用 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 本文总结 | 第55页 |
| 6.2 未来展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 研究生期间参与的项目 | 第61-62页 |
| 致谢 | 第62页 |
