Hadoop平台下AP聚类社团检测算法的并行化
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 本论文的结构安排 | 第15-18页 |
| 2 相关理论与技术 | 第18-30页 |
| 2.1 复杂网络 | 第18-25页 |
| 2.1.1 复杂网络的基本概念 | 第18-19页 |
| 2.1.2 复杂网络的表示 | 第19页 |
| 2.1.3 复杂网络统计特性 | 第19-21页 |
| 2.1.4 复杂网络的模型 | 第21-25页 |
| 2.2 复杂网络社团检测 | 第25-28页 |
| 2.2.1 社团结构 | 第25页 |
| 2.2.2 社团检测 | 第25-28页 |
| 2.3 Hadoop分布式计算框架 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 社团检测AP聚类的并行化方法 | 第30-42页 |
| 3.1 节点相似度 | 第30-31页 |
| 3.2 AP聚类算法 | 第31-34页 |
| 3.2.1 AP聚类算法理论基础 | 第31-32页 |
| 3.2.2 AP聚类算法的具体流程 | 第32-34页 |
| 3.3 基于AP聚类的复杂网络社团挖掘 | 第34-35页 |
| 3.4 社团检测AP聚类的并行化过程 | 第35-40页 |
| 3.4.1 相似度矩阵的并行计算 | 第36-37页 |
| 3.4.2 吸引度矩阵的并行计算 | 第37-38页 |
| 3.4.3 归属度矩阵的并行计算 | 第38-39页 |
| 3.4.4 聚类中心的并行计算及划分 | 第39-40页 |
| 3.5 算法复杂度分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 实验及结果分析 | 第42-50页 |
| 4.1 实验环境 | 第42-43页 |
| 4.1.1 环境软硬件描述 | 第42页 |
| 4.1.2 环境的搭建 | 第42-43页 |
| 4.2 算法准确率实验 | 第43-46页 |
| 4.2.1 评价函数 | 第43-44页 |
| 4.2.2 实验测试 | 第44-46页 |
| 4.3 算法性能的评价实验 | 第46-49页 |
| 4.3.1 评价函数 | 第46-47页 |
| 4.3.2 实验测试 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 未来展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录 | 第60页 |
