| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 研究意义 | 第16-17页 |
| 1.3 研究内容与创新点 | 第17-18页 |
| 1.4 文章组织架构 | 第18-20页 |
| 第二章 相关理论及研究现状 | 第20-34页 |
| 2.1 网络的图表示 | 第20页 |
| 2.2 社区相关概念及定义 | 第20-26页 |
| 2.2.1 子图的概念 | 第20-22页 |
| 2.2.2 社区经典理论 | 第22-24页 |
| 2.2.3 当代社区理论 | 第24-26页 |
| 2.3 社区发现准则 | 第26-29页 |
| 2.3.1 Girvan和Newman社区发现准则 | 第26-28页 |
| 2.3.2 LFR社区发现准则 | 第28-29页 |
| 2.4 社区发现研究现状 | 第29-34页 |
| 2.4.1 社区可检测性研究现状 | 第29-30页 |
| 2.4.2 社区发现算法研究现状 | 第30-34页 |
| 第三章 基于SBM的社区可检测性方法 | 第34-48页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基于随机块模型(SBM)的社区可检测性研究 | 第35-43页 |
| 3.2.1 随机块模型SBM对网络建模 | 第35-38页 |
| 3.2.2 贝叶斯推论应用于随机块模型 | 第38-39页 |
| 3.2.3 BP算法进行近似线性计算 | 第39-43页 |
| 3.3 实验结果 | 第43-46页 |
| 3.3.1 实验评价标准 | 第43页 |
| 3.3.2 实验结果分析 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 基于种子节点扩展的重叠社区发现算法 | 第48-64页 |
| 4.1 引言 | 第48页 |
| 4.2 相关内容 | 第48-50页 |
| 4.2.1 LFM算法和适应度函数 | 第48-49页 |
| 4.2.2 社区传导率 | 第49-50页 |
| 4.2.3 PPR(persona lize pagerank)算法 | 第50页 |
| 4.3 基于种子扩展的重叠社区发现算法 | 第50-57页 |
| 4.3.1 OCDSE算法基本流程 | 第50-51页 |
| 4.3.2 算法详细描述 | 第51-57页 |
| 4.4 算法复杂度分析和对比 | 第57-58页 |
| 4.5 实验结果 | 第58-63页 |
| 4.5.1 数据集 | 第58-60页 |
| 4.5.2 实验结果分析 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
