基于标签传递算法和中心性特性的社团检测方法
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 社团检测相关理论及方法 | 第16-23页 |
| 2.1 复杂网络相关概念及表示 | 第16页 |
| 2.2 复杂网络的特性 | 第16-17页 |
| 2.2.1 小世界特性 | 第16页 |
| 2.2.2 无标度特性 | 第16-17页 |
| 2.2.3 中心性特性 | 第17页 |
| 2.2.4 社团结构 | 第17页 |
| 2.3 社团检测算法介绍 | 第17-20页 |
| 2.3.1 图论方法 | 第17-18页 |
| 2.3.2 层次方法 | 第18-19页 |
| 2.3.3 模块度优化方法 | 第19页 |
| 2.3.4 基于标签传播的方法 | 第19-20页 |
| 2.4 实验使用的网络数据集 | 第20页 |
| 2.5 社团检测常用度量指标 | 第20-23页 |
| 2.5.1 精度 | 第20-21页 |
| 2.5.2 模块度 | 第21页 |
| 2.5.3 标准化的互信息量 | 第21-23页 |
| 第三章 基于LPA和频繁项集的社团检测方法 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 LPAFI算法 | 第23-25页 |
| 3.2.1 LPAFI算法总体框架 | 第23-24页 |
| 3.2.2 构造事务数据库 | 第24-25页 |
| 3.2.3 发现核心社团 | 第25页 |
| 3.2.4 社团合并 | 第25页 |
| 3.3 LPAFI算法时间复杂度分析 | 第25-26页 |
| 3.4 实验结果及分析 | 第26-33页 |
| 3.4.1 空手道俱乐部网络 | 第27-28页 |
| 3.4.2 海豚社交网络 | 第28-29页 |
| 3.4.3 Risk游戏地图网络 | 第29-30页 |
| 3.4.4 科学家合作网络 | 第30-31页 |
| 3.4.5 足球联赛赛程表网络 | 第31-33页 |
| 3.5 小结 | 第33-34页 |
| 第四章 基于中心性特性的社团检测方法 | 第34-49页 |
| 4.1 引言 | 第34-35页 |
| 4.2 中心性定义及策略 | 第35页 |
| 4.2.1 顶点局部中心性 | 第35页 |
| 4.2.2 中心性增益策略 | 第35页 |
| 4.2.3 中心性扰动策略 | 第35页 |
| 4.3 CG和CD算法 | 第35-40页 |
| 4.3.1 CG和CD算法总体框架 | 第35-36页 |
| 4.3.2 网络划分 | 第36-40页 |
| 4.3.3 小社团优化 | 第40页 |
| 4.3.4 社团合并 | 第40页 |
| 4.4 CG和CD算法时间复杂度分析 | 第40-41页 |
| 4.4.1 CG算法和CD算法时间复杂度对比 | 第41页 |
| 4.5 实验结果及分析 | 第41-48页 |
| 4.5.1 空手道俱乐部网络 | 第42-43页 |
| 4.5.2 海豚社交网络 | 第43-44页 |
| 4.5.3 Risk游戏地图网络 | 第44-45页 |
| 4.5.4 科学家合作网络 | 第45-46页 |
| 4.5.5 足球联赛赛程表网络 | 第46-48页 |
| 4.6 小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 展望及下一步工作 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 在学期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
