基于边聚类的加权网络社团发现算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究工作 | 第13页 |
| 1.4 论文的组织结构安排 | 第13-15页 |
| 第二章 相关理论介绍 | 第15-30页 |
| 2.1 数据挖掘 | 第15-19页 |
| 2.1.1 数据挖掘的定义 | 第15页 |
| 2.1.2 数据挖掘的基本步骤 | 第15-19页 |
| 2.2 层次聚类 | 第19-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 网络社团发现算法综述 | 第30-42页 |
| 3.1 复杂网络社团综述 | 第30-31页 |
| 3.2 非重叠社团结构发现算法 | 第31-37页 |
| 3.2.1 Kernighan-Lin算法 | 第31-32页 |
| 3.2.2 谱平分法 | 第32页 |
| 3.2.3 W-H算法 | 第32-33页 |
| 3.2.4 层次聚类算法 | 第33-37页 |
| 3.3 重叠社团结构发现算法 | 第37-41页 |
| 3.3.1 基于派系过滤的算法 | 第37-38页 |
| 3.3.2 LFM算法 | 第38-40页 |
| 3.3.3 EAGLE算法 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于边聚类的改进社团发现算法 | 第42-47页 |
| 4.1 节点关系与连边关系的转换 | 第42-44页 |
| 4.2 基于节点强度的线图加权 | 第44-45页 |
| 4.3 评价函数 | 第45-46页 |
| 4.4 算法思想与详细流程 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 实验设计及结果分析 | 第47-64页 |
| 5.1 基于Zachary数据集 | 第47-50页 |
| 5.1.1 FN算法划分结果 | 第47-49页 |
| 5.1.2 LFN算法划分结果 | 第49-50页 |
| 5.1.3 结果分析 | 第50页 |
| 5.2 基于Dolphins数据集 | 第50-54页 |
| 5.2.1 FN算法划分结果 | 第51-52页 |
| 5.2.2 LFN算法划分结果 | 第52-54页 |
| 5.2.3 结果分析 | 第54页 |
| 5.3 基于电信通信记录的人工数据集 | 第54-61页 |
| 5.3.1 实验数据 | 第54-56页 |
| 5.3.2 电信用户关系加权方法 | 第56-57页 |
| 5.3.3 FN算法划分结果 | 第57-59页 |
| 5.3.4 LFN算法划分结果 | 第59-61页 |
| 5.4 实验结果分析 | 第61-63页 |
| 5.4.1 实验结果评价指标 | 第61-62页 |
| 5.4.2 结果分析 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 论文总结及展望 | 第64-67页 |
| 参考文献 | 第67-70页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |
