| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-17页 |
| 1.1.1 聚类算法研究背景及意义 | 第14-15页 |
| 1.1.2 社区发现算法研究背景及意义 | 第15-16页 |
| 1.1.3 基于邻域信息的聚类算法和社区发现算法研究背景 | 第16-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 聚类算法和社区发现算法研究现状 | 第17-18页 |
| 1.2.2 基于邻域信息的聚类算法研究现状 | 第18-19页 |
| 1.2.3 基于邻域信息的社区发现算法研究现状 | 第19-22页 |
| 1.3 本文的主要内容 | 第22-23页 |
| 1.4 本文的章节安排 | 第23-24页 |
| 第2章 基于邻域交集和密度差异的聚类算法 | 第24-38页 |
| 2.1 概述 | 第24-26页 |
| 2.2 NIDD算法思想 | 第26-28页 |
| 2.2.1 密度和邻域 | 第26页 |
| 2.2.2 邻域交集和密度差异 | 第26-28页 |
| 2.3 NIDD算法框架 | 第28-31页 |
| 2.3.1 算法框架 | 第28-31页 |
| 2.4 实验结果 | 第31-35页 |
| 2.4.1 聚类的评价指标 | 第31-32页 |
| 2.4.2 参数的敏感性分析 | 第32-33页 |
| 2.4.3 实验结果 | 第33-35页 |
| 2.5 讨论 | 第35-37页 |
| 2.5.1 参数μ | 第35-36页 |
| 2.5.2 和OPTICS的区别 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 基于模糊中心度和模糊隶属度的社区发现算法 | 第38-54页 |
| 3.1 概述 | 第38-39页 |
| 3.2 FCFM算法思想 | 第39-43页 |
| 3.2.1 基于邻域信息的模糊中心度 | 第39-40页 |
| 3.2.2 基于邻域信息的模糊隶属度 | 第40-42页 |
| 3.2.3 FCFM算法基本思想 | 第42-43页 |
| 3.3 FCFM框架 | 第43-46页 |
| 3.3.1 FCFM算法框架 | 第43-45页 |
| 3.3.2 复杂度分析 | 第45-46页 |
| 3.4 实验 | 第46-50页 |
| 3.4.1 评价指标 | 第46-47页 |
| 3.4.2 数据集 | 第47-48页 |
| 3.4.3 实验结果及比较 | 第48-50页 |
| 3.5 讨论 | 第50-53页 |
| 3.5.1 Hub节点 | 第50-52页 |
| 3.5.2 中心度 | 第52页 |
| 3.5.3 社区合并 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 基于模糊关系的社区发现算法 | 第54-70页 |
| 4.1 概述 | 第54页 |
| 4.2 CDFR算法 | 第54-64页 |
| 4.2.1 NGC节点及其作用 | 第55-56页 |
| 4.2.2 中心度 | 第56页 |
| 4.2.3 模糊关系 | 第56-58页 |
| 4.2.4 寻找NGC节点的算法 | 第58-60页 |
| 4.2.5 模糊关系的修正 | 第60-61页 |
| 4.2.6 构造社区 | 第61-64页 |
| 4.3 实验结果及比较 | 第64-65页 |
| 4.4 讨论 | 第65-68页 |
| 4.4.1 阈值delta | 第65-66页 |
| 4.4.2 模糊关系修正 | 第66-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 全文工作总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 读硕士期间发表的学术论文 | 第80-82页 |
| 作者简历 | 第82页 |