基于谱聚类的域间社区挖掘算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 社区挖掘概述 | 第15-25页 |
| 2.1 社区结构概述 | 第15页 |
| 2.2 社区挖掘概述 | 第15-16页 |
| 2.3 社区挖掘经典方法 | 第16-21页 |
| 2.3.1 基于划分的社区挖掘方法 | 第17-18页 |
| 2.3.2 基于层次的社区挖掘方法 | 第18-19页 |
| 2.3.3 基于密度的社区挖掘方法 | 第19-20页 |
| 2.3.4 基于网格的社区挖掘方法 | 第20-21页 |
| 2.4 社区挖掘算法性能分析参数 | 第21-22页 |
| 2.5 社区挖掘算法国际评判标准 | 第22-24页 |
| 2.5.1 类内凝聚度和类间分离度与人工评判 | 第22-23页 |
| 2.5.2 互信息和规范化互信息 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 谱聚类算法研究 | 第25-37页 |
| 3.1 谱聚类算法介绍 | 第25页 |
| 3.2 谱图理论 | 第25-29页 |
| 3.2.1 图的基本概念 | 第25-26页 |
| 3.2.2 构造相似度图 | 第26页 |
| 3.2.3 图的Laplacian及其基本性质 | 第26-28页 |
| 3.2.4 谱图理论的学习算法 | 第28-29页 |
| 3.3 图划分准则 | 第29-32页 |
| 3.3.1 最小割集准则 | 第29-30页 |
| 3.3.2 规范割集准则 | 第30页 |
| 3.3.3 比例割集准则 | 第30页 |
| 3.3.4 平均割集准则 | 第30-31页 |
| 3.3.5 最小最大割集准则 | 第31页 |
| 3.3.6 多路割集准则 | 第31-32页 |
| 3.4 谱聚类相似矩阵 | 第32-33页 |
| 3.4.1 径向基核函数 | 第32-33页 |
| 3.5 谱聚类算法 | 第33-36页 |
| 3.5.1 迭代谱聚类算法 | 第34-35页 |
| 3.5.2 多路谱聚类算法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于谱聚类的域间社区挖掘模型设计 | 第37-48页 |
| 4.1 谱聚类算法选择 | 第37-40页 |
| 4.1.1 NCut算法 | 第37-39页 |
| 4.1.2 相似矩阵构造方法 | 第39页 |
| 4.1.3 领域半径r | 第39-40页 |
| 4.1.4 尺度参数σ | 第40页 |
| 4.2 域间社区发现模型 | 第40-46页 |
| 4.2.1 问题提出 | 第41-44页 |
| 4.2.2 域间社区发现模型定义 | 第44-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第5章 域间社区挖掘算法 | 第48-66页 |
| 5.1 域间社区挖掘算法问题解决方案 | 第48-51页 |
| 5.1.1 算法基本思路 | 第49页 |
| 5.1.2 相似矩阵构建 | 第49-50页 |
| 5.1.3 算法描述 | 第50-51页 |
| 5.2 算法存在问题与优化策略 | 第51-53页 |
| 5.2.1 算法优化策略 | 第51-53页 |
| 5.2.2 改进算法流程 | 第53页 |
| 5.3 聚类融合 | 第53-58页 |
| 5.3.1 聚类融合算法综述 | 第54-56页 |
| 5.3.2 社区匹配策略 | 第56-57页 |
| 5.3.3 域间融合算法 | 第57-58页 |
| 5.4 实验结果分析 | 第58-65页 |
| 5.4.1 实验环境 | 第59-60页 |
| 5.4.2 径向基核函数聚类结果评测 | 第60-62页 |
| 5.4.3 算法优化后聚类结果评测 | 第62-64页 |
| 5.4.4 聚类融合结果评测比较 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
