| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景 | 第12-14页 |
| 1.2 课题研究意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 问题提出 | 第17-18页 |
| 1.4.1 传统社团发现算法难以快速的发现稳定的重叠社团 | 第17页 |
| 1.4.2 复杂网络的动态特性导致社团发现过程异常复杂 | 第17页 |
| 1.4.3 现实网络中存在的“噪声”影响算法性能 | 第17-18页 |
| 1.5 本文主要内容和组织结构 | 第18-20页 |
| 1.5.1 主要内容 | 第18-19页 |
| 1.5.2 组织结构 | 第19-20页 |
| 第二章 基于链路标签传播的重叠社团发现算法 | 第20-30页 |
| 2.1 相关工作 | 第20-21页 |
| 2.2 问题描述 | 第21-22页 |
| 2.3 L2PA算法 | 第22-25页 |
| 2.3.1 标签初始化 | 第22页 |
| 2.3.2 标签更新策略 | 第22-24页 |
| 2.3.3 算法描述 | 第24-25页 |
| 2.4 实验结果及分析 | 第25-28页 |
| 2.4.1 人工网络 | 第25-27页 |
| 2.4.2 真实社会网络 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于隐马尔科夫模型的动态社会网络社团发现算法 | 第30-40页 |
| 3.1 相关工作 | 第30-31页 |
| 3.2 模型建立 | 第31-32页 |
| 3.3 算法描述 | 第32-36页 |
| 3.3.1 相关定义 | 第32-33页 |
| 3.3.2 HMM模型参数 | 第33-34页 |
| 3.3.3 HMM_DC算法描述 | 第34-35页 |
| 3.3.4 算法复杂度分析 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-38页 |
| 3.4.1 数据集 | 第36页 |
| 3.4.2 评价指标 | 第36页 |
| 3.4.3 实验结果 | 第36-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于链路聚类的动态网络社团发现算法 | 第40-52页 |
| 4.1 相关工作 | 第40-41页 |
| 4.2 问题描述 | 第41-42页 |
| 4.3 相关指标 | 第42-43页 |
| 4.3.1 链路划分密度 | 第42页 |
| 4.3.2 链路模块度 | 第42-43页 |
| 4.4 基于链路聚类的动态社团发现算法 | 第43-47页 |
| 4.4.1 链路添加 | 第43-46页 |
| 4.4.2 链路移除 | 第46-47页 |
| 4.4.3 LDC算法时间复杂度分析 | 第47页 |
| 4.5 实验结果与分析 | 第47-51页 |
| 4.5.1 人工数据集 | 第48-49页 |
| 4.5.2 真实数据集 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于动态有噪网络的增量社团发现算法研究 | 第52-60页 |
| 5.1 相关工作 | 第52页 |
| 5.2 符号定义 | 第52-53页 |
| 5.3 算法描述 | 第53-57页 |
| 5.3.1 “噪声”滤除 | 第53-54页 |
| 5.3.2 增量式算法 | 第54-57页 |
| 5.4 实验结果及分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60页 |
| 6.2 本文的主要创新点 | 第60-61页 |
| 6.3 下一步研究工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者简历 | 第68页 |
