| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 本文研究内容 | 第11页 |
| 1.3 本文组织结构 | 第11-13页 |
| 第二章 社团检测相关概念及研究现状 | 第13-20页 |
| 2.1 相关概念及符号定义 | 第13页 |
| 2.2 相似性的基本概念 | 第13-15页 |
| 2.3 社团检测算法介绍 | 第15-18页 |
| 2.3.1 层次算法 | 第15-16页 |
| 2.3.2 模块度优化算法 | 第16页 |
| 2.3.3 基于谱分析方法的算法 | 第16-17页 |
| 2.3.4 基于标签传播机制的算法 | 第17页 |
| 2.3.5 基于随机游走的算法 | 第17-18页 |
| 2.4 社团结构评价标准 | 第18-20页 |
| 2.4.1 模块度（Modularity） | 第18页 |
| 2.4.2 归一化互信息量（NMI） | 第18-20页 |
| 第三章 基于相似性规则的最优特征向量谱二分社团检测算法 | 第20-30页 |
| 3.1 谱二分社团检测算法理论基础 | 第20-23页 |
| 3.2 基于最优特征向量的谱二分社团检测算法（BSOE） | 第23-25页 |
| 3.3 基于相似性的带权最优特征向量谱二分社团检测算法（WBSOE） | 第25-28页 |
| 3.4 算法时间复杂度分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 基于相似性闭包的社团检测算法 | 第30-41页 |
| 4.1 基于相似性规则的函数依赖关系 | 第30-34页 |
| 4.2 顶点的函数依赖闭包 | 第34-35页 |
| 4.3 基于相似性规则的函数依赖闭包社团检测算法（CDCS） | 第35-39页 |
| 4.3.1 基于相似性规则的函数依赖闭包社团检测算法的基本过程 | 第35-36页 |
| 4.3.2 最大函数依赖闭包和社团结构生成 | 第36-38页 |
| 4.3.3 重叠社团和孤立顶点处理 | 第38-39页 |
| 4.4 算法时间复杂度分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 实验 | 第41-59页 |
| 5.1 实验环境介绍 | 第41页 |
| 5.2 实验数据集介绍 | 第41-45页 |
| 5.2.1 人工合成网络 | 第41页 |
| 5.2.2 实际网络 | 第41-45页 |
| 5.3 BSOE算法和WBSOE算法的实验分析 | 第45-50页 |
| 5.3.1 实验设置 | 第45-46页 |
| 5.3.2 实验结果及分析 | 第46-50页 |
| 5.3.3 小结 | 第50页 |
| 5.4 CDCS算法的实验分析 | 第50-57页 |
| 5.4.1 实验设置 | 第50-51页 |
| 5.4.2 阈值分析 | 第51-53页 |
| 5.4.3 人工合成网络上的实验结果和分析 | 第53-54页 |
| 5.4.4 实际网络上的实验结果和分析 | 第54-57页 |
| 5.4.5 小结 | 第57页 |
| 5.5 本文算法比较 | 第57-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59-60页 |
| 6.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 在学期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
