社会网络中社团发现算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 引言 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的主要内容和组织结构 | 第11-13页 |
| 第2章 社会网络社区发现理论及算法概述 | 第13-25页 |
| ·社区网络定义及相关度量指标 | 第13-15页 |
| ·图形化网络表示 | 第13页 |
| ·网络聚类系数 | 第13-14页 |
| ·网络平均路长与边介数 | 第14页 |
| ·度分布 | 第14-15页 |
| ·社区网络中社区发现典型算法 | 第15-25页 |
| ·基于优化的聚类算法 | 第15-19页 |
| ·基于启发式复杂网络聚类算法 | 第19-22页 |
| ·其它网络社区划分算法 | 第22-25页 |
| 第3章 基于模糊理论的社区划分阈值选取策略 | 第25-41页 |
| ·FF-FT 算法背景 | 第25页 |
| ·模糊度量方法介绍 | 第25-29页 |
| ·基于向量空间模型的模糊相似度计算 | 第25-27页 |
| ·基于 hash 方法的模糊相似度计算 | 第27-28页 |
| ·基于主题的模糊相似度计算 | 第28-29页 |
| ·FF-FT 算法的理论基础 | 第29-31页 |
| ·模糊理论的相关定义 | 第29-30页 |
| ·节点间模糊相似性定义 | 第30-31页 |
| ·FF-FT 算法的具体实现 | 第31-34页 |
| ·计算模糊关系矩阵 | 第31-32页 |
| ·将模糊关系矩阵转化为模糊等价关系矩阵 | 第32页 |
| ·模糊阈值选取策略 | 第32-33页 |
| ·FF-FT 算法流程图 | 第33-34页 |
| ·FF-FT 算法伪代码 | 第34页 |
| ·FF-FT 算法仿真结果及分析 | 第34-39页 |
| ·二十节点人工网络仿真 | 第34-36页 |
| ·空手道俱乐部网络仿真 | 第36-37页 |
| ·海豚网络仿真 | 第37-38页 |
| ·美国足球网络仿真 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第4章 一种高稳定性的社区发现算法 | 第41-55页 |
| ·ERS 算法提出背景 | 第41页 |
| ·相似性指标算法介绍 | 第41-44页 |
| ·基于局部信息相似性度量指标 | 第41-44页 |
| ·基于全局信息相似性度量指标 | 第44页 |
| ·ERS 算法思想概述 | 第44-46页 |
| ·ERS 算法相关定义 | 第44-46页 |
| ·ERS 算法简单示例 | 第46页 |
| ·ERS 算法具体实现 | 第46-48页 |
| ·计算节点相似关系矩阵以及等价矩阵 | 第46-47页 |
| ·修正相似传递关系矩阵 | 第47页 |
| ·社区划分的阈值选取 | 第47页 |
| ·ERS 算法伪代码 | 第47-48页 |
| ·ERS 算法仿真与分析 | 第48-51页 |
| ·人工网络仿真 | 第48-49页 |
| ·空手道俱乐部网络仿真 | 第49页 |
| ·海豚网络仿真 | 第49-50页 |
| ·美国足球网络仿真 | 第50-51页 |
| ·ERS 算法与其它算法性能对比 | 第51-54页 |
| ·ERS 算法与非模糊相似性算法的对比 | 第51-52页 |
| ·ERS 算法与模糊相似性算法的对比 | 第52-53页 |
| ·ERS 算法与其他算法准确性和稳定性对比 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| ·论文总结 | 第55-56页 |
| ·研究展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的论文 | 第63页 |
