| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-35页 |
| ·引言 | 第14-15页 |
| ·复杂网络的发展历程 | 第15-16页 |
| ·复杂网络的研究意义及其应用前景 | 第16-19页 |
| ·复杂网络的基本概念 | 第19-24页 |
| ·复杂网络的定义及表示方式 | 第19页 |
| ·网络的小世界特性 | 第19-22页 |
| ·网络的无标度特性 | 第22-23页 |
| ·网络的社团结构特性 | 第23-24页 |
| ·复杂网络中的社团检测 | 第24-32页 |
| ·社团检测的重要意义 | 第24-26页 |
| ·社团检测的研究现状 | 第26-32页 |
| ·本文的研究内容及组织 | 第32-35页 |
| 第二章 基于跳跃极值最优化的网络社团检测方法 | 第35-47页 |
| ·引言 | 第35-37页 |
| ·加入了惩罚项的模块密度函数D | 第37页 |
| ·跳跃极值最优化 | 第37-41页 |
| ·极值最优化思想 | 第37-38页 |
| ·跳跃机制 | 第38-40页 |
| ·JEOMD方法的流程 | 第40-41页 |
| ·实验结果及其分析 | 第41-46页 |
| ·社团检测的层次性 | 第41-43页 |
| ·社团检测的尺寸问题 | 第43-45页 |
| ·D与Q两个指标的有效性比较 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第三章 非加权网络中社团检测的新指标 | 第47-62页 |
| ·引言 | 第47-48页 |
| ·标准化模块密度 | 第48-49页 |
| ·NMD改善Q的分辨率极限的证明 | 第49-52页 |
| ·NMD不会将团分解成两部分 | 第49-50页 |
| ·优化NMD不会把多个团合并成一个社团 | 第50-51页 |
| ·优化NMD能够检测出不同大小的社团 | 第51-52页 |
| ·模拟退火优化指标NMD | 第52-53页 |
| ·实验结果及其分析 | 第53-60页 |
| ·模拟网络 | 第54-57页 |
| ·真实网络 | 第57-60页 |
| ·小结 | 第60-62页 |
| 第四章 加权网络中社团检测的指标函数 | 第62-73页 |
| ·引言 | 第62-63页 |
| ·加权的标准化模块密度 | 第63-64页 |
| ·NMD_w改善Q_w的分辨率极限及避免D_w中的负社团问题的证明 | 第64-67页 |
| ·NMD_w能够改善Q_w的分辨率极限问题 | 第64-66页 |
| ·NMD_w能够避免D_w中的负社团问题 | 第66-67页 |
| ·实验结果及其分析 | 第67-72页 |
| ·模拟网络 | 第67-70页 |
| ·真实网络 | 第70-72页 |
| ·小结 | 第72-73页 |
| 第五章 基于自适应核仿射传播的社团检测方法 | 第73-85页 |
| ·引言 | 第73-74页 |
| ·几种常用的图核 | 第74-77页 |
| ·指数扩散核和Laplacian扩散核 | 第75-76页 |
| ·Neumann扩散核和Newman结构相似性 | 第76页 |
| ·交换时间核 | 第76-77页 |
| ·马尔可夫扩散核 | 第77页 |
| ·自适应仿射传播算法 | 第77-79页 |
| ·实验结果及其分析 | 第79-83页 |
| ·模拟网络 | 第79-81页 |
| ·真实网络 | 第81-83页 |
| ·小结 | 第83-85页 |
| 第六章 基于非线性维数缩减的网络节点可视化 | 第85-97页 |
| ·引言 | 第85-86页 |
| ·图的可视化方法 | 第86-87页 |
| ·节点非相似度定义 | 第87-88页 |
| ·节点非相似度的有效性检验 | 第88-89页 |
| ·简单排序算法 | 第88-89页 |
| ·排序矩阵的亮度图像显示 | 第89页 |
| ·使用非线性降维技术进行二维投影 | 第89-90页 |
| ·实验结果及其分析 | 第90-95页 |
| ·小结 | 第95-97页 |
| 第七章 总结与展望 | 第97-100页 |
| ·本文总结 | 第97-98页 |
| ·展望及今后的工作 | 第98-100页 |
| 附录A 几种常用的网络研究及可视化工具 | 第100-101页 |
| 附录B 文中模拟网络的生成方法 | 第101-104页 |
| 附录C 社团检测算法性能的两种常用评价指标 | 第104-106页 |
| 参考文献 | 第106-117页 |
| 攻读博士期间发表和已录用的学术论文 | 第117-120页 |
| 学位论文数据集 | 第120页 |