| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 研究的创新之处 | 第16页 |
| 1.5 论文的组织结构安排 | 第16-18页 |
| 第二章 社交网络社区发现相关理论 | 第18-30页 |
| 2.1 社交网络相关概念 | 第18-21页 |
| 2.1.1 社区结构定义 | 第18-20页 |
| 2.1.2 社交网络图模型描述 | 第20-21页 |
| 2.2 社交网络社区发现算法 | 第21-25页 |
| 2.2.1 静态网络及其社区发现算法 | 第21-23页 |
| 2.2.2 动态网络及其社区发现算法 | 第23-24页 |
| 2.2.3 重叠社区发现算法 | 第24-25页 |
| 2.3 社区结构评价指标 | 第25-29页 |
| 2.3.1 模块度 | 第26页 |
| 2.3.2 NMI | 第26-28页 |
| 2.3.3 Rand index | 第28页 |
| 2.3.4 分割密度 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 演化聚类框架结合多目标优化理论解决动态网络社区发现问题 | 第30-39页 |
| 3.1 演化聚类 | 第30-32页 |
| 3.1.1 演化聚类简介 | 第30页 |
| 3.1.2 演化聚类的特点应用 | 第30-32页 |
| 3.2 多目标优化理论 | 第32-35页 |
| 3.2.1 多目标优化简介 | 第32-33页 |
| 3.2.2 主流的多目标进化算法 | 第33-35页 |
| 3.3 动态社交网络重叠社区发现问题模型 | 第35-36页 |
| 3.4 演化聚类框架下动态网络重叠社区发现的多目标优化方法 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于演化聚类和连接关系聚类的多目标进化动态社交网络重叠社区发现算法 | 第39-50页 |
| 4.1 多目标进化动态社交网络重叠社区发现算法 | 第39-43页 |
| 4.1.1 DNOCD-LMOGA算法步骤 | 第40-41页 |
| 4.1.2 LCGA算法步骤 | 第41-43页 |
| 4.2 目标函数设定 | 第43-45页 |
| 4.2.1 重叠社区模块度 | 第44页 |
| 4.2.2 Rand index指标 | 第44-45页 |
| 4.3 解的表示以及交叉和变异操作 | 第45-47页 |
| 4.3.1 解的表示 | 第45-46页 |
| 4.3.2 交叉和变异操作 | 第46-47页 |
| 4.4 种群初始化和精英解策略 | 第47-48页 |
| 4.4.1 初始化算法种群 | 第47-48页 |
| 4.4.2 精英解保留策略 | 第48页 |
| 4.5 解的选择 | 第48页 |
| 4.6 本章小结 | 第48-50页 |
| 第五章 实验结果分析 | 第50-65页 |
| 5.1 算法运行环境与参数设置 | 第50页 |
| 5.1.1 算法参数 | 第50页 |
| 5.1.2 运行环境 | 第50页 |
| 5.2 真实数据集 | 第50-64页 |
| 5.2.1 数据集介绍 | 第51页 |
| 5.2.2 实验结果分析 | 第51-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 文章总结 | 第65页 |
| 6.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73页 |
