| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 研究的背景与意义 | 第8-9页 |
| 1.2 复杂网络的相关理论及研究现状 | 第9-15页 |
| 1.2.1 复杂网络的概述 | 第9页 |
| 1.2.2 复杂网络的性质 | 第9-10页 |
| 1.2.3 典型的复杂网络模型 | 第10-12页 |
| 1.2.4 研究现状 | 第12-15页 |
| 1.3 社团挖掘算法概述及研究现状 | 第15-18页 |
| 1.3.1 社团结构层次分类 | 第15-17页 |
| 1.3.2 典型的社团挖掘算法 | 第17页 |
| 1.3.3 社团挖掘评价标准 | 第17页 |
| 1.3.4 研究现状 | 第17-18页 |
| 1.4 论文主要研究内容和结构安排 | 第18-20页 |
| 第二章 基于最短路径特征的社团挖掘算法 | 第20-31页 |
| 2.1 引言 | 第20-21页 |
| 2.2 相关定义 | 第21-22页 |
| 2.2.1 最短路径特征 | 第21页 |
| 2.2.2 中介系数 | 第21-22页 |
| 2.2.3 节点相似度 | 第22页 |
| 2.2.4 划分阈值 | 第22页 |
| 2.3 算法描述 | 第22-24页 |
| 2.3.1 基本思想 | 第22页 |
| 2.3.2 算法主要步骤 | 第22-24页 |
| 2.3.3 算法时间复杂度分析 | 第24页 |
| 2.4 实验结果与分析 | 第24-30页 |
| 2.4.1 评价标准 | 第24页 |
| 2.4.2 LFR人工合成网络 | 第24-26页 |
| 2.4.3 真实社会网络 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于自组织竞争神经网络的多特征社团挖掘算法 | 第31-46页 |
| 3.1 引言 | 第31-32页 |
| 3.2 获取样本 | 第32-33页 |
| 3.2.1 从网络中提取网络节点 | 第32页 |
| 3.2.2 节点多特征属性的相似度 | 第32-33页 |
| 3.3 自组织竞争神经网络 | 第33-34页 |
| 3.3.1 输入层 | 第34页 |
| 3.3.2 竞争层 | 第34页 |
| 3.4 社团划分 | 第34-35页 |
| 3.5 算法描述 | 第35-36页 |
| 3.5.1 基本思想 | 第35页 |
| 3.5.2 算法主要步骤 | 第35-36页 |
| 3.6 实验结果与分析 | 第36-45页 |
| 3.6.1 评价标准 | 第36页 |
| 3.6.2 Zachary空手道俱乐部网络 | 第36-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 结论与展望 | 第46-48页 |
| 4.1 结论 | 第46页 |
| 4.2 展望 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 附录 | 第53-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间的研究成果 | 第65-66页 |