多维海量社交网络数据可视化技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 社交网络 | 第13-14页 |
| 1.2.2 海量网络数据可视化研究 | 第14-17页 |
| 1.2.3 多维数据可视化研究 | 第17-20页 |
| 1.2.4 存在的问题及研究难点分析 | 第20-21页 |
| 1.3 论文主要工作 | 第21-22页 |
| 1.4 论文组织结构 | 第22-24页 |
| 第2章 数据可视化相关技术 | 第24-33页 |
| 2.1 海量数据可视化技术 | 第24-29页 |
| 2.1.1 力导引布局算法 | 第24-26页 |
| 2.1.2 社区发现算法 | 第26-29页 |
| 2.2 多维数据可视化技术 | 第29-32页 |
| 2.2.1 多维数据降维映射算法 | 第29-31页 |
| 2.2.2 属性图聚类算法 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于社区的海量社交网络数据可视化算法研究 | 第33-45页 |
| 3.1 问题描述和研究思路 | 第33-34页 |
| 3.2 Louvain社区发现算法的改进研究 | 第34-36页 |
| 3.2.1 结合种子节点的社区发现算法 | 第34-35页 |
| 3.2.2 算法描述和定性分析 | 第35-36页 |
| 3.3 基于力导引的社区布局算法的改进 | 第36-38页 |
| 3.3.1 社区引力导引的布局算法 | 第36-37页 |
| 3.3.2 算法描述和定性分析 | 第37-38页 |
| 3.4 实验及结果分析 | 第38-44页 |
| 3.4.1 实验方案 | 第38-40页 |
| 3.4.2 社区发现算法实验及分析 | 第40-43页 |
| 3.4.3 社区布局算法实验及分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 多维社交网络数据可视化算法研究 | 第45-55页 |
| 4.1 问题描述和研究思路 | 第45-46页 |
| 4.2 改进的属性图聚类算法 | 第46-48页 |
| 4.2.1 属性图聚类算法改进 | 第46-47页 |
| 4.2.2 算法描述和定性分析 | 第47-48页 |
| 4.3 基于属性映射的多维数据可视化算法 | 第48-49页 |
| 4.3.1 平行坐标系算法的提出 | 第48-49页 |
| 4.3.2 算法描述 | 第49页 |
| 4.4 实验及结果分析 | 第49-54页 |
| 4.4.1 实验方案 | 第49-51页 |
| 4.4.2 属性图聚类算法实验及分析 | 第51页 |
| 4.4.3 算法结果的可视化对比 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 可视化原型系统设计与实现 | 第55-65页 |
| 5.1 系统功能分析 | 第55-56页 |
| 5.2 系统设计与实现 | 第56-62页 |
| 5.2.1 架构设计 | 第56-57页 |
| 5.2.2 系统功能模块设计 | 第57页 |
| 5.2.3 系统详细设计 | 第57-60页 |
| 5.2.4 系统实现 | 第60-62页 |
| 5.3 系统主要功能测试 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第6章 总结及未来工作 | 第65-67页 |
| 6.1 论文工作总结 | 第65页 |
| 6.2 未来工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |
