| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 非重叠社区发现算法研究现状 | 第11-12页 |
| 1.2.2 重叠社区发现算法研究现状 | 第12-14页 |
| 1.3 本论文研究内容及章节安排 | 第14-16页 |
| 第2章 社会网络相关概念与社区发现算法 | 第16-25页 |
| 2.1 社会网络相关概念 | 第16-17页 |
| 2.1.1 社会网络表示方法 | 第16页 |
| 2.1.2 度的相关概念 | 第16-17页 |
| 2.1.3 聚集系数 | 第17页 |
| 2.2 非重叠社区发现算法 | 第17-21页 |
| 2.2.1 基于划分的社区发现算法 | 第17-18页 |
| 2.2.2 基于模块性优化的社区发现算法 | 第18-19页 |
| 2.2.3 基于信息论的社区发现算法 | 第19-21页 |
| 2.3 重叠社区发现算法 | 第21-24页 |
| 2.3.1 以节点为对象的重叠社区发现算法 | 第21-23页 |
| 2.3.2 以边为对象的重叠社区发现算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于多样性相似度矩阵的非重叠社区发现算法 | 第25-34页 |
| 3.1 社区发现与聚类分析 | 第25-26页 |
| 3.2 基于相似矩阵的聚类算法 | 第26-29页 |
| 3.2.1 相似性度量方法 | 第26-28页 |
| 3.2.2 基于相似矩阵的聚类算法 | 第28-29页 |
| 3.3 改进的相似性度量方法 | 第29-32页 |
| 3.3.1 RSS度量方法 | 第29-31页 |
| 3.3.2 ESS度量方法 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于边吸引力的三阶段重叠社区发现算法 | 第34-42页 |
| 4.1 基于边吸引力的三阶段重叠社区发现算法 | 第34-41页 |
| 4.1.1 基于边吸引力的边聚类阶段 | 第34-36页 |
| 4.1.2 边社区转换为节点社区阶段 | 第36-37页 |
| 4.1.3 重叠节点处理阶段 | 第37-41页 |
| 4.2 时间复杂度分析 | 第41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 实验与分析 | 第42-67页 |
| 5.1 实验数据集介绍 | 第42-43页 |
| 5.1.1 人工数据集 | 第42页 |
| 5.1.2 真实数据集 | 第42-43页 |
| 5.2 实验评价指标 | 第43-45页 |
| 5.2.1 人工数据集评价指标 | 第43-44页 |
| 5.2.2 真实数据集评价指标 | 第44-45页 |
| 5.3 基于多样性相似度矩阵的非重叠社区发现算法对比实验结果 | 第45-60页 |
| 5.3.1 人工数据集对比实验结果 | 第45-50页 |
| 5.3.2 真实数据集对比实验结果 | 第50-60页 |
| 5.4 基于边吸引力的三阶段重叠社区发现算法对比实验结果 | 第60-66页 |
| 5.4.1 人工数据集对比实验结果 | 第60页 |
| 5.4.2 真实数据集对比实验结果 | 第60-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第74页 |