| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-30页 |
| 1.1 研究背景和意义 | 第16-20页 |
| 1.1.1 社区发现 | 第17-19页 |
| 1.1.2 重叠社区发现 | 第19-20页 |
| 1.1.3 大规模网络社区发现 | 第20页 |
| 1.2 研究现状及存在的问题 | 第20-27页 |
| 1.2.1 基于传统图划分的方法 | 第20-21页 |
| 1.2.2 基于模块度优化的方法 | 第21-23页 |
| 1.2.3 基于谱聚类的方法 | 第23页 |
| 1.2.4 基于统计推断的方法 | 第23-24页 |
| 1.2.5 基于动态过程的方法 | 第24-26页 |
| 1.2.6 基于重叠社区发现的方法 | 第26-27页 |
| 1.3 研究内容和组织结构 | 第27-30页 |
| 第2章 同步启发社区发现的相关理论 | 第30-38页 |
| 2.1 同步理论 | 第30-31页 |
| 2.2 基于Kuramoto模型的同步启发聚类算法 | 第31-34页 |
| 2.2.1 Kuramoto模型 | 第31-32页 |
| 2.2.2 扩展的Kuramoto模型 | 第32-33页 |
| 2.2.3 同步启发的聚类过程 | 第33-34页 |
| 2.2.4 优点和特性 | 第34页 |
| 2.3 基于距离动态模型的同步启发社区发现算法 | 第34-37页 |
| 2.3.1 相关背景 | 第34-35页 |
| 2.3.2 距离动态模型 | 第35-36页 |
| 2.3.3 社区发现过程 | 第36-37页 |
| 2.3.4 优点和特性 | 第37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于Link Graph的重叠社区发现算法 | 第38-62页 |
| 3.1 引言 | 第38-40页 |
| 3.1.1 基本思想 | 第38-39页 |
| 3.1.2 主要贡献 | 第39-40页 |
| 3.2 算法描述 | 第40-49页 |
| 3.2.1 Link Graph | 第40-42页 |
| 3.2.2 非重叠社区发现 | 第42-47页 |
| 3.2.3 重叠社区的恢复 | 第47-48页 |
| 3.2.4 L-Attractor算法 | 第48-49页 |
| 3.3 实验与评估 | 第49-61页 |
| 3.3.1 人工网络 | 第49-56页 |
| 3.3.2 真实世界网络 | 第56-58页 |
| 3.3.3 应用分析 | 第58-61页 |
| 3.4 本章小结 | 第61-62页 |
| 第4章 基于Ego-Leader的强化距离动态模型及社区发现算法 | 第62-88页 |
| 4.1 引言 | 第62-65页 |
| 4.1.1 基本思想 | 第63-64页 |
| 4.1.2 主要贡献 | 第64-65页 |
| 4.2 算法描述 | 第65-75页 |
| 4.2.1 Ego-Leader | 第65-69页 |
| 4.2.2 异常噪音点的后处理 | 第69-73页 |
| 4.2.3 E-Attractor算法 | 第73-75页 |
| 4.2.4 时间复杂度分析 | 第75页 |
| 4.3 实验及评估 | 第75-87页 |
| 4.3.1 实验环境 | 第76-77页 |
| 4.3.2 Ego-Leader中参数k的敏感性分析 | 第77-79页 |
| 4.3.3 LFR人工网络 | 第79-81页 |
| 4.3.4 真实世界网络 | 第81-84页 |
| 4.3.5 应用分析 | 第84-86页 |
| 4.3.6 综合评价 | 第86-87页 |
| 4.4 本章小结 | 第87-88页 |
| 第5章 面向大规模网络的快速社区发现算法 | 第88-117页 |
| 5.1 引言 | 第88-89页 |
| 5.2 算法描述 | 第89-99页 |
| 5.2.1 内部边的预判 | 第89-94页 |
| 5.2.2 交互过程的加速 | 第94-97页 |
| 5.2.3 F-Attractor算法 | 第97-99页 |
| 5.3 实验评估 | 第99-116页 |
| 5.3.1 实验环境 | 第99-100页 |
| 5.3.2 参数ε的敏感性分析 | 第100-101页 |
| 5.3.3 人工网络 | 第101-106页 |
| 5.3.4 真实网络 | 第106-110页 |
| 5.3.5 应用分析 | 第110-116页 |
| 5.4 本章小结 | 第116-117页 |
| 第6章 面向超大规模网络的并行社区发现算法 | 第117-137页 |
| 6.1 引言 | 第117-119页 |
| 6.1.1 基本思想 | 第118-119页 |
| 6.1.2 主要贡献 | 第119页 |
| 6.2 算法描述 | 第119-129页 |
| 6.2.1 图划分 | 第119-122页 |
| 6.2.2 动态交互 | 第122-127页 |
| 6.2.3 社区发现 | 第127-128页 |
| 6.2.4 P-Attractor算法 | 第128-129页 |
| 6.3 实验评估 | 第129-136页 |
| 6.3.1 实验环境 | 第129-130页 |
| 6.3.2 社区发现性能分析 | 第130-132页 |
| 6.3.3 图划分性能分析 | 第132-133页 |
| 6.3.4 改进模型分析 | 第133页 |
| 6.3.5 扩展性分析 | 第133-135页 |
| 6.3.6 应用分析 | 第135-136页 |
| 6.4 本章小结 | 第136-137页 |
| 结论 | 第137-140页 |
| 参考文献 | 第140-151页 |
| 致谢 | 第151-152页 |
| 附录A 攻读博士学位期间的研究成果 | 第152-154页 |
| 发表学术论文情况 | 第152-153页 |
| 本人参与课题已获的软件著作权 | 第153-154页 |
| 附录B 攻读博士学位期间参与的科研课题 | 第154页 |
