| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文主要研究内容 | 第12页 |
| ·论文组织安排 | 第12-14页 |
| 第二章 相关理论介绍 | 第14-25页 |
| ·社区发现相关方法 | 第14-21页 |
| ·CPM方法 | 第14-15页 |
| ·iLCD方法 | 第15-17页 |
| ·快速谱分割法 | 第17-18页 |
| ·边介数删除方法(G-N方法) | 第18-19页 |
| ·标签游走算法(LPA) | 第19-20页 |
| ·其他几种方法 | 第20-21页 |
| ·社区发现研究总结 | 第21-22页 |
| ·近邻传播方法(Affinity Propagation) | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 边聚类方法 | 第25-29页 |
| ·相关概念 | 第25-26页 |
| ·算法流程 | 第26-27页 |
| ·算法评价 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 一种基于近邻传播的边聚类方法 | 第29-33页 |
| ·扩展模块评价函数 | 第29页 |
| ·贪心策略 | 第29-30页 |
| ·算法思想 | 第30页 |
| ·ALC算法流程 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 实验分析 | 第33-44页 |
| ·实验结果评估标准 | 第33页 |
| ·数据集 | 第33-38页 |
| ·三种经典数据集 | 第34-36页 |
| ·人工数据集 | 第36-38页 |
| ·实验结果 | 第38-43页 |
| ·三种经典数据集实验结果展示 | 第38-41页 |
| ·人工构建社区数据实验结果 | 第41-43页 |
| ·实验分析 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·工作总结 | 第44页 |
| ·工作展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |