| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的研究内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 第二章 复杂网络社团检测 | 第13-19页 |
| 2.1 基本概念 | 第13-14页 |
| 2.2 社团检测的主要算法介绍 | 第14-18页 |
| 2.2.1 Kernighan-Lin算法 | 第14-15页 |
| 2.2.2 层次聚类算法 | 第15-16页 |
| 2.2.3 GN算法 | 第16页 |
| 2.2.4 Fast Newman算法 | 第16-17页 |
| 2.2.5 LPA算法 | 第17-18页 |
| 2.3 小结 | 第18-19页 |
| 第三章 基于节点相似性的度量指标 | 第19-26页 |
| 3.1 基于局部信息的相似性 | 第19-22页 |
| 3.1.1 基于共同邻居的相似性 | 第19-21页 |
| 3.1.2 偏好连接相似性 | 第21页 |
| 3.1.3 局部朴素贝叶斯模型 | 第21-22页 |
| 3.2 基于全局信息的节点相似性 | 第22-23页 |
| 3.2.1 局部路径指标 | 第22页 |
| 3.2.2 Katz指标 | 第22页 |
| 3.2.3 LHN-II指标 | 第22-23页 |
| 3.3 基于随机游走的相似性 | 第23-25页 |
| 3.3.1 平均通勤时间（ACT） | 第23页 |
| 3.3.2 基于随机游走的余弦相似性（Cos+） | 第23-24页 |
| 3.3.3 重启的随机游走（RWR） | 第24页 |
| 3.3.4 SimRank（SimR）指标 | 第24页 |
| 3.3.5 局部随机游走指标（LRW） | 第24页 |
| 3.3.6 叠加的局部随机游走指标（SRW） | 第24-25页 |
| 3.4 小结 | 第25-26页 |
| 第四章 基于节点相似性的社团检测算法 | 第26-39页 |
| 4.1 算法介绍 | 第26页 |
| 4.2 基于CN指标的ADL-CN算法 | 第26-30页 |
| 4.3 基于RA指标的ADL-RA算法 | 第30-34页 |
| 4.4 基于综合指标的ADL-CNRA算法 | 第34-37页 |
| 4.5 算法的复杂度分析 | 第37-38页 |
| 4.6 小结 | 第38-39页 |
| 第五章 实验验证及分析 | 第39-50页 |
| 5.1 数据集简介 | 第39-40页 |
| 5.1.1 LFR基准数据集 | 第39页 |
| 5.1.2 真实数据集 | 第39-40页 |
| 5.2 评价标准介绍 | 第40-41页 |
| 5.2.1 模块度 | 第40页 |
| 5.2.2 NMI值 | 第40-41页 |
| 5.3 算法分析及实验结果对比 | 第41-49页 |
| 5.3.1 在LFR基准数据集上的实验结果及分析 | 第41-43页 |
| 5.3.2 在数据集Zachary上的实验结果及分析 | 第43-44页 |
| 5.3.3 在数据集Dolphin上的实验结果及分析 | 第44-46页 |
| 5.3.4 在数据集College Football上的实验结果及分析 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第六章 结论与展望 | 第50-51页 |
| 6.1 主要结论 | 第50页 |
| 6.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在学期间的研究成果 | 第54-55页 |
| 致谢 | 第55页 |
