社交网络中重叠社区结构的发现算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 分析与总结 | 第13页 |
| 1.3 本文的主要研究内容与组织结构 | 第13-16页 |
| 1.3.1 本文主要研究内容 | 第13-14页 |
| 1.3.2 本文的组织结构 | 第14-16页 |
| 第2章 社交网络与社区发现 | 第16-25页 |
| 2.1 社交网络 | 第16-17页 |
| 2.2 社区发现概述 | 第17-18页 |
| 2.3 社区发现相关研究方法 | 第18-24页 |
| 2.3.1 以节点为中心的社区发现 | 第18-19页 |
| 2.3.2 以群组为中心的社区发现 | 第19-20页 |
| 2.3.3 以网络为中心的社区发现 | 第20-21页 |
| 2.3.4 以层次结构为中心的社区发现 | 第21-23页 |
| 2.3.5 其他经典社区发现研究方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于模糊隶属度的重叠社区发现算法设计 | 第25-44页 |
| 3.1 问题描述 | 第25页 |
| 3.2 COPRA算法 | 第25-27页 |
| 3.3 FMA算法设计 | 第27-36页 |
| 3.3.1 相关基础概念 | 第27-28页 |
| 3.3.2 隶属度传播过程 | 第28-32页 |
| 3.3.3 基于模块度划分社区过程 | 第32-36页 |
| 3.4 FMA算法分析 | 第36-43页 |
| 3.4.1 FMA算法理论分析 | 第36-37页 |
| 3.4.2 FMA算法实验分析 | 第37-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于边划分的重叠社区发现算法 | 第44-55页 |
| 4.1 谱聚类算法 | 第44-46页 |
| 4.2 LCDA算法设计 | 第46-49页 |
| 4.2.1 点图转化为边图 | 第46-47页 |
| 4.2.2 边聚类 | 第47-48页 |
| 4.2.3 边聚类结果转换为节点社区 | 第48-49页 |
| 4.3 LCDA算法分析 | 第49-50页 |
| 4.4 LCDA算法实验 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |
