Hadoop下基于边聚类的重叠社区发现算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8页 |
| ·国内外的研究现状 | 第8-13页 |
| ·内容安排 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第二章 社区发现算法概述 | 第14-20页 |
| ·复杂网络概述 | 第14-16页 |
| ·哥尼斯堡七桥 | 第14页 |
| ·小世界理论 | 第14页 |
| ·复杂网络的统计特征 | 第14-16页 |
| ·社区发现问题的定义 | 第16-17页 |
| ·经典社区发现算法 | 第17-19页 |
| ·基于图分解的方法 | 第17-18页 |
| ·分裂式层次聚类 | 第18-19页 |
| ·凝聚式层次聚类 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 重叠社区发现算法概述 | 第20-23页 |
| ·重叠社区发现问题的定义 | 第20页 |
| ·经典重叠社区发现算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 基于边聚类的重叠社区发现算法 | 第23-33页 |
| ·边图的定义以及网络图和边图的相互转化 | 第23-24页 |
| ·边图的结构相似度构造 | 第24-26页 |
| ·ECOCA算法主要思想 | 第26-27页 |
| ·算法各个步骤的具体策略 | 第27-28页 |
| ·初始中心边节点的选择的策略 | 第27页 |
| ·剩余边节点的分配的策略 | 第27-28页 |
| ·重新选择中心边节点的策略 | 第28页 |
| ·迭代结束条件 | 第28页 |
| ·时间复杂度分析 | 第28-29页 |
| ·基于边聚类的重叠社区发现算法的分布式实现 | 第29-32页 |
| ·MapReduce分布式计算模型 | 第29页 |
| ·HDFS体系架构 | 第29-31页 |
| ·分布式实现条件 | 第31页 |
| ·算法的MapReduce实现 | 第31-32页 |
| ·算法的可优化之处 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第五章 实验及结果分析 | 第33-41页 |
| ·实验平台 | 第33-34页 |
| ·社会网络分析软件Pajek | 第33页 |
| ·分布式计算平台Hadoop | 第33-34页 |
| ·实验数据集 | 第34-36页 |
| ·实验结果分析 | 第36-39页 |
| ·ECOCA算法与其他算法的实验结果对比 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第六章 研究总结与展望 | 第41-43页 |
| ·论文工作总结 | 第41-42页 |
| ·未来的工作展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 硕士期间完成论文 | 第47-48页 |
| 致谢 | 第48页 |
