| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.2 现有社区检测的相关方法研究 | 第17-18页 |
| 1.3 现有复杂网络社区检测主要研究方向 | 第18-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 第二章 基于近邻传播的进化多目标优化社区检测方法 | 第20-46页 |
| 2.1 算法设计动机 | 第20页 |
| 2.2 AP算法基本原理 | 第20-21页 |
| 2.3 基于近邻传播的进化多目标优化社区检测方法设计 | 第21-27页 |
| 2.3.1 目标函数的选取 | 第21页 |
| 2.3.2 占优解的选择 | 第21-22页 |
| 2.3.3 采用AP算法对网络的初步划分 | 第22-23页 |
| 2.3.4 利用进化多目标算法的进一步搜索 | 第23-25页 |
| 2.3.5 外部存档的精英保留策略 | 第25-26页 |
| 2.3.6 算法的实现 | 第26-27页 |
| 2.4 仿真实验及结果分析 | 第27-44页 |
| 2.4.1 测试网络介绍 | 第27-28页 |
| 2.4.2 实验评价指标 | 第28页 |
| 2.4.3 APMOEA算法中相关参数选择 | 第28-31页 |
| 2.4.4 实验结果和分析 | 第31-44页 |
| 2.5 本章小结 | 第44-46页 |
| 第三章 基于局部核节点和社区融合策略的标签传播算法 | 第46-54页 |
| 3.1 标签传播算法介绍 | 第46-47页 |
| 3.2 基于局部核节点和社区融合策略的标签传播算法 | 第47-50页 |
| 3.2.1 核节点的选取 | 第47-48页 |
| 3.2.2 局部社区的形成 | 第48-49页 |
| 3.2.3 局部社区的融合策略 | 第49页 |
| 3.2.4 算法实验步骤及流程 | 第49-50页 |
| 3.2.5 算法的时间复杂度分析 | 第50页 |
| 3.3 实验结果及分析 | 第50-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于节点隶属度和子社区融合的大规模社区检测方法 | 第54-72页 |
| 4.1 算法设计相关背景及动机 | 第54-56页 |
| 4.2 基于节点隶属度和子社区融合的大规模社区检测方法 | 第56-64页 |
| 4.2.1 网络划分结果的表达和解码方式 | 第56页 |
| 4.2.2 基于局部邻节点间隶属度函数的网络预处理 | 第56-59页 |
| 4.2.3 基于局部模块度融合的子社区 | 第59-60页 |
| 4.2.4 基于节点与邻接社区隶属度函数的修正策略 | 第60-62页 |
| 4.2.5 利用节点与邻接社区隶属度函数对重叠节点的检测 | 第62-64页 |
| 4.2.6 算法总流程 | 第64页 |
| 4.3 算法时间复杂度分析 | 第64-65页 |
| 4.4 实验结果及分析 | 第65-70页 |
| 4.4.1 评价指标 | 第65页 |
| 4.4.2 非重叠社区的检测 | 第65-69页 |
| 4.4.3 重叠社区的检测 | 第69-70页 |
| 4.5 总结 | 第70-72页 |
| 第五章 结论和展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72-73页 |
| 5.2 未来工作的展望 | 第73-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 作者简介 | 第82-83页 |
