| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-15页 |
| ·图论背景 | 第8-10页 |
| ·复杂性科学背景 | 第10-12页 |
| ·还原论 | 第10-11页 |
| ·整体论 | 第11-12页 |
| ·融贯论 | 第12页 |
| ·数据挖掘背景 | 第12-13页 |
| ·复杂网络的研究现状和意义 | 第13-14页 |
| ·本论文的结构与工作 | 第14-15页 |
| 第2章 网络拓扑模型及性质 | 第15-26页 |
| ·基本概念 | 第15-18页 |
| ·平均路径长度 | 第16-17页 |
| ·聚类系数 | 第17-18页 |
| ·度与度分布 | 第18页 |
| ·几种网络模型和性质 | 第18-24页 |
| ·规则网络 | 第19-20页 |
| ·随机网络 | 第20页 |
| ·小世界网络(small-world)模型 | 第20-23页 |
| ·无标度网络(scale-free)模型 | 第23页 |
| ·几种模型的简单比较 | 第23-24页 |
| ·社团结构 | 第24-26页 |
| 第3章 聚类算法挖掘社团结构 | 第26-37页 |
| ·Kernighan-Lin算法 | 第26-27页 |
| ·谱平分法 | 第27-28页 |
| ·G-N算法 | 第28-33页 |
| ·G-N算法 | 第28-31页 |
| ·模块度Q衡量标准 | 第31-33页 |
| ·两种G-N算法的改进算法 | 第33页 |
| ·快速分裂算法 | 第33-34页 |
| ·Newman快速算法 | 第34-37页 |
| 第4章 新聚类算法的提出 | 第37-59页 |
| ·基于社团中心的搜索(Search Based on Center of Community) | 第37-45页 |
| ·第一种搜索策略 | 第39页 |
| ·第二种搜索策略 | 第39-40页 |
| ·实证性验证 | 第40-44页 |
| ·归一化处理 | 第44-45页 |
| ·采用期望节点集的分裂算法 | 第45-47页 |
| ·寻找期望节点集的算法(Finding Expected Vertices Set) | 第45-46页 |
| ·采用期望节点集的G-N算法 | 第46页 |
| ·采用期望节点集的快速分裂算法 | 第46-47页 |
| ·基于邻居集合的划分(Divide Based on Neighbor Set) | 第47-49页 |
| ·不采用期望节点集的DBNS划分算法 | 第47-48页 |
| ·采用期望节点集的DBNS划分算法 | 第48-49页 |
| ·适用于未知社团数的扩展算法 | 第49-51页 |
| ·扩展SBCC搜索的算法思想 | 第49-50页 |
| ·扩展算法的提出 | 第50-51页 |
| ·实验验证与比较 | 第51-59页 |
| ·实验结果比较 | 第52-55页 |
| ·时间复杂度比较 | 第55-58页 |
| ·运行时间比较 | 第58页 |
| ·结论 | 第58-59页 |
| 第5章 总结 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 摘要 | 第64-66页 |
| Abstract | 第66-67页 |
