复杂网络中基于数据场的自适应聚类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-12页 |
| 1.2 国内外研究动态 | 第12-14页 |
| 1.3 本文的主要创新点和主要工作 | 第14页 |
| 1.4 论文章节安排 | 第14-16页 |
| 第二章 复杂网络中节点特性及其聚类算法的研究 | 第16-26页 |
| 2.1 几种重要的节点中心化指标分析 | 第16-20页 |
| 2.1.1 节点度中心化指标 | 第17页 |
| 2.1.2 节点紧密度中心化指标 | 第17-18页 |
| 2.1.3 节点互信息中心化指标 | 第18-20页 |
| 2.2 节点相似度研究 | 第20-22页 |
| 2.3 经典聚类算法研究 | 第22-24页 |
| 2.3.1 K-MEANS算法 | 第22-23页 |
| 2.3.2 GN算法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于数据场的自适应聚类算法实现 | 第26-38页 |
| 3.1 基于数据场的自适应聚类算法的思想 | 第26-30页 |
| 3.1.1 数据场和势 | 第26-27页 |
| 3.1.2 基于中心化思想的节点重要性因子的提出 | 第27-29页 |
| 3.1.3 聚类评价函数的构建 | 第29-30页 |
| 3.2 自适应聚类算法实现 | 第30-33页 |
| 3.3 算法复杂性分析 | 第33-34页 |
| 3.4 仿真实例评估 | 第34-37页 |
| 3.4.1 算法有效性评估 | 第34-36页 |
| 3.4.2 算法准确性评估 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于数据场的多目标自适应聚类算法实现 | 第38-48页 |
| 4.1 基于数据场的多目标自适应聚类算法的思想 | 第38-41页 |
| 4.1.1 聚类目标函数分析 | 第38-40页 |
| 4.1.2 多目标聚类函数的构建 | 第40-41页 |
| 4.2 多目标自适应聚类算法实现 | 第41-42页 |
| 4.3 算法复杂性分析 | 第42-43页 |
| 4.4 仿真实例评估 | 第43-47页 |
| 4.4.1 空手道俱乐部网络 | 第45页 |
| 4.4.2 海豚家族关系网络 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 在校期间发表的论文 | 第54-55页 |
| 致谢 | 第55页 |
