复杂网络中社区发现算法研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究的背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 非重叠社区发现算法 | 第12-14页 |
| 1.2.2 重叠社区发现算法 | 第14-16页 |
| 1.3 论文的创新点与内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 复杂网络社区结构的相关理论 | 第19-26页 |
| 2.1 复杂网络的基本概念和特征量 | 第19-22页 |
| 2.2 常见的网络数据集 | 第22-24页 |
| 2.2.1 人工网络数据集 | 第22-23页 |
| 2.2.2 真实网络数据集 | 第23-24页 |
| 2.3 社区发现算法的评价指标 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 离散量子粒子群优化算法的社区发现 | 第26-35页 |
| 3.1 引言 | 第26-27页 |
| 3.2 量子粒子群优化社区发现方法 | 第27-31页 |
| 3.2.1 适应性函数 | 第27页 |
| 3.2.2 粒子群更新原理 | 第27-28页 |
| 3.2.3 量子粒子群更新策略 | 第28页 |
| 3.2.4 算法流程与复杂度分析 | 第28-30页 |
| 3.2.5 粒子编码方式 | 第30-31页 |
| 3.3 实验结果与分析 | 第31-34页 |
| 3.3.1 评价标准函数 | 第31-32页 |
| 3.3.2 算法比较结果评价 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 局部扩展的遗传优化算法的重叠社区发现 | 第35-45页 |
| 4.1 引言 | 第35-36页 |
| 4.2 重叠社区结构的基本概念 | 第36页 |
| 4.3 局部扩展的遗传优化重叠社区发现方法 | 第36-40页 |
| 4.3.1 算法流程与时间复杂度分析 | 第36-39页 |
| 4.3.2 个体的编码与解码 | 第39页 |
| 4.3.3 选择 | 第39-40页 |
| 4.3.4 遗传进化操作更新策略 | 第40页 |
| 4.4 实验结果与评价 | 第40-43页 |
| 4.4.1 评价标准 | 第40-42页 |
| 4.4.2 算法比较结果评价 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 社区发现算法在金融网络模型中的应用 | 第45-57页 |
| 5.1 金融网络模型的构建 | 第45-47页 |
| 5.1.1 金融相似度相关矩阵 | 第45-46页 |
| 5.1.2 随机矩阵的去噪方法 | 第46-47页 |
| 5.1.3 确定有效阈值与建构网络 | 第47页 |
| 5.2 实验结果分析 | 第47-56页 |
| 5.2.1 金融网络模型去噪前后拓扑结构分析 | 第48-51页 |
| 5.2.2 非重叠社区发现算法比较结果评价 | 第51-54页 |
| 5.2.3 重叠社区发现算法比较结果评价 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间获得与学位相关的科研成果目录 | 第64页 |
