基于距离相似度的复杂网络社区挖掘方法
| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·复杂网络的研究背景及意义 | 第11-14页 |
| ·复杂网络社区结构的研究现状 | 第14页 |
| ·本文的研究内容和结构 | 第14-16页 |
| 第2章 复杂网络社区识别算法 | 第16-24页 |
| ·K-L算法 | 第16页 |
| ·谱二分法 | 第16-17页 |
| ·HITS算法 | 第17-18页 |
| ·GN算法 | 第18-19页 |
| ·改进的GN算法 | 第19-20页 |
| ·WH算法 | 第20页 |
| ·FN算法 | 第20-21页 |
| ·GA算法 | 第21-22页 |
| ·FEC算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于距离的复杂网络社区识别方法 | 第24-41页 |
| ·算法基本思想 | 第24-25页 |
| ·算法描述 | 第25-31页 |
| ·社区近似划分算法DSA-A | 第25-27页 |
| ·社区划分求精算法DSA-R | 第27-29页 |
| ·网络社区层次结构构建算法DSA | 第29-30页 |
| ·时间复杂性分析 | 第30-31页 |
| ·实验 | 第31-39页 |
| ·实验数据说明 | 第31-32页 |
| ·实验结果及分析 | 第32-38页 |
| ·算法对比 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 复杂网络社区含义识别方法 | 第41-52页 |
| ·算法基本思想 | 第41-42页 |
| ·算法描述 | 第42-45页 |
| ·合理的K值确定方法 | 第45-46页 |
| ·实验 | 第46-50页 |
| ·实验数据说明 | 第46-47页 |
| ·实验结果及分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| ·工作总结 | 第52页 |
| ·工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 作者简介 | 第57页 |
| 发表论文 | 第57-58页 |
| 致谢 | 第58页 |
