首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--组合数学(组合学)论文--图论论文

复杂网络影响力节点度量及影响力最大化算法研究

摘要第5-7页
Abstract第7-9页
第1章 绪论第17-31页
    1.1 研究背景第17-26页
        1.1.1 国内外研究现状第17-25页
        1.1.2 面临的主要问题第25-26页
    1.2 研究意义第26-27页
    1.3 本文研究思路和主要贡献第27-29页
    1.4 本文的组织结构第29-31页
第2章 相关理论和方法第31-47页
    2.1 引言第31页
    2.2 节点中心度量方法第31-37页
        2.2.1 度中心第32页
        2.2.2 介数中心第32-33页
        2.2.3 接近中心第33-35页
        2.2.4 K核中心第35-36页
        2.2.5 PageRank第36-37页
    2.3 信息传播模型第37-41页
        2.3.1 基于网络拓扑结构的传播模型第37-39页
        2.3.2 基于群体状态的传播模型第39-41页
    2.4 影响力最大化第41-45页
        2.4.1 贪婪算法第42-43页
        2.4.2 启发式算法第43-45页
    2.5 本章小结第45-47页
第3章 基于网络传播的路径多样性核度中心度量方法第47-63页
    3.1 引言第47页
    3.2 相关工作第47-49页
        3.2.1 最大核距离的影响力度量方法第47-48页
        3.2.2 核度中心影响力度量方法第48页
        3.2.3 核层链接多样性度量方法第48-49页
    3.3 基于传播路径多样性的核度中心影响力度量方法第49-53页
        3.3.1 基本思路第49-50页
        3.3.2 基本流程第50-52页
        3.3.3 应用举例第52-53页
    3.4 实验结果分析第53-62页
        3.4.1 实验数据第53-54页
        3.4.2 实验结果第54-62页
    3.5 本章小结第62-63页
第4章 基于病毒控制的介数中心和接近中心度量方法第63-83页
    4.1 引言第63-64页
    4.2 相关工作第64-65页
        4.2.1 随机免疫策略第64-65页
        4.2.2 目标免疫策略第65页
    4.3 基于跳数的介数中心和接近中心影响力度量方法第65-72页
        4.3.1 基于传播跳数的病毒传播模型第66-68页
        4.3.2 基本思路第68-69页
        4.3.3 基本流程第69-71页
        4.3.4 应用举例第71-72页
    4.4 实验结果分析第72-81页
        4.4.1 实验方法及参数设置第72-73页
        4.4.2 实验数据第73-77页
        4.4.3 实验结果第77-81页
    4.5 本章小结第81-83页
第5章 基于2阶邻域重叠效应的影响力最大化算法第83-103页
    5.1 引言第83-84页
    5.2 相关工作第84-87页
        5.2.1 邻域中心度量方法第84-85页
        5.2.2 DDH影响力最大化算法第85-86页
        5.2.3 DiDH影响力最大化算法第86-87页
    5.3 基于2阶邻域的影响力折扣启发式算法NIDH第87-93页
        5.3.1 算法基本思路第87-88页
        5.3.2 LDIC传播模型第88-90页
        5.3.3 算法基本流程第90-91页
        5.3.4 算法复杂度分析第91页
        5.3.5 算法应用举例第91-93页
    5.4 实验结果分析第93-101页
        5.4.1 实验方法及参数设置第93页
        5.4.2 实验数据第93-95页
        5.4.3 实验结果第95-101页
    5.5 本章小结第101-103页
第6章 基于核度中心的影响力最大化算法第103-117页
    6.1 引言第103页
    6.2 相关工作第103-105页
        6.2.1 MCC最大核覆盖算法第103-104页
        6.2.2 CCA核覆盖算法第104-105页
    6.3 基于核度覆盖和折扣的启发式算法NCCDH第105-109页
        6.3.1 算法基本思路第105-106页
        6.3.2 算法基本流程第106-107页
        6.3.3 算法复杂度分析第107-108页
        6.3.4 算法应用举例第108-109页
    6.4 实验结果分析第109-115页
        6.4.1 实验方法及参数设置第109-110页
        6.4.2 实验数据第110-111页
        6.4.3 实验结果第111-115页
    6.5 本章小结第115-117页
第7章 总结与展望第117-121页
    7.1 总结第117-118页
    7.2 未来的研究展望第118-121页
参考文献第121-128页
致谢第128-129页
攻读学位期间参加的科研项目和成果第129-130页

论文共130页,点击 下载论文
上一篇:基于压缩表示学习与深度认知推理的SAR图像分类与目标识别
下一篇:长江河口边滩多时间尺度动力地貌过程