基于隶属函数的社团发现算法的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状与挑战 | 第12-14页 |
| 1.2.1 国内外研究现状 | 第12-14页 |
| 1.2.2 社团发现面临的挑战 | 第14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 复杂网络的理论基础 | 第17-33页 |
| 2.1 复杂网络的概念与特性 | 第17页 |
| 2.2 复杂网络的相关度量 | 第17-21页 |
| 2.2.1 复杂网络的形式化表达 | 第17-19页 |
| 2.2.2 度与度分布 | 第19-20页 |
| 2.2.3 聚类系数 | 第20-21页 |
| 2.2.4 模块度 | 第21页 |
| 2.3 典型的复杂网络模型 | 第21-23页 |
| 2.3.1 ER随机模型 | 第21-22页 |
| 2.3.2 WS小世界模型 | 第22-23页 |
| 2.3.3 BA无标度模型 | 第23页 |
| 2.4 社团定义与社团发现算法 | 第23-31页 |
| 2.4.1 社团结构的定义 | 第24-25页 |
| 2.4.2 经典的社团发现算法 | 第25-31页 |
| 2.4.2.1 基于图形分割的算法 | 第25-27页 |
| 2.4.2.2 基于层次聚类的划分算法 | 第27-30页 |
| 2.4.2.3 启发式算法 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 MCDA算法的设计与实现 | 第33-53页 |
| 3.1 算法的提出 | 第33-34页 |
| 3.2 算法的思想基础 | 第34-38页 |
| 3.2.1 影响社团划分的因素 | 第34-37页 |
| 3.2.2 模糊聚类算法的相关思想 | 第37-38页 |
| 3.3 算法的实现 | 第38-50页 |
| 3.3.1 相关变量 | 第38-42页 |
| 3.3.2 算法的实现过程 | 第42-46页 |
| 3.3.3 算法的思想验证 | 第46-50页 |
| 3.4 复杂度分析 | 第50-51页 |
| 3.4.1 时间复杂度分析 | 第50-51页 |
| 3.4.2 空间复杂度分析 | 第51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 DMCDA算法的设计与实现 | 第53-61页 |
| 4.1 DMCDA算法的提出 | 第53-54页 |
| 4.2 算法的实现 | 第54-58页 |
| 4.2.1 相关概念 | 第55-56页 |
| 4.2.2 算法的具体实现 | 第56-58页 |
| 4.3 简单动态网络的理论验证 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 实验分析 | 第61-77页 |
| 5.1 实验环境 | 第61页 |
| 5.2 实验数据 | 第61-66页 |
| 5.2.1 经典网络数据集 | 第61-63页 |
| 5.2.2 生成网络的数据集 | 第63-66页 |
| 5.3 实验结果与分析 | 第66-74页 |
| 5.3.1 静态算法的实验结果与分析 | 第66-72页 |
| 5.3.2 动态算法的实验结果与分析 | 第72-74页 |
| 5.4 算法评估 | 第74-75页 |
| 5.4.1 精确性指标 | 第75页 |
| 5.4.2 运行效率指标 | 第75页 |
| 5.5 本章小结 | 第75-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 研究工作总结 | 第77-78页 |
| 6.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |
