| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 背景和意义 | 第8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 存在的问题 | 第9-10页 |
| 1.4 研究内容和创新点 | 第10页 |
| 1.5 论文结构 | 第10-11页 |
| 1.6 本章小结 | 第11-12页 |
| 第二章 复杂网络和社区发现典型算法 | 第12-20页 |
| 2.1 复杂网络概述 | 第12页 |
| 2.2 复杂网络特性 | 第12-14页 |
| 2.2.1 小世界效应 | 第13页 |
| 2.2.2 传递性或群聚属性 | 第13页 |
| 2.2.3 无标度性 | 第13-14页 |
| 2.2.4 社区特性 | 第14页 |
| 2.3 社区发现主要算法 | 第14-19页 |
| 2.3.1 基于模块化函数Q的优化方法 | 第14-16页 |
| 2.3.2 基于模拟生化的方法 | 第16-17页 |
| 2.3.3 基于马尔科夫随机游走的算法 | 第17-18页 |
| 2.3.4 标签传播算法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于中心节点和信息熵损益的贪婪聚合算法CELBGA | 第20-33页 |
| 3.1 相关描述及算法思想 | 第20-21页 |
| 3.2 最少中心节点社区 | 第21-22页 |
| 3.2.1 中心节点社区 | 第21页 |
| 3.2.2 最少中心节点社区 | 第21-22页 |
| 3.2.3 抽取最少中心节点社区 | 第22页 |
| 3.3 基于信息增益的社区合并 | 第22-24页 |
| 3.3.1 信息增益及其计算 | 第22-23页 |
| 3.3.2 基于信息熵损益的社区合并方法 | 第23-24页 |
| 3.4 社区信息熵更新策略 | 第24-26页 |
| 3.4.1 对不同类别的社区信息熵更新策略 | 第24-25页 |
| 3.4.2 优化的更新路径 | 第25-26页 |
| 3.5 社区清洗 | 第26-27页 |
| 3.6 算法CELBGA思路 | 第27-33页 |
| 3.6.1 算法CELBGA流程图和伪代码 | 第27-32页 |
| 3.6.2 算法时间复杂度分析 | 第32-33页 |
| 3.7 本章小结 | 第33页 |
| 第四章 实验结果及分析 | 第33-44页 |
| 4.1 实验条件 | 第33页 |
| 4.2 计算机随机生成的网络 | 第33-36页 |
| 4.2.1 测试算法划分准确率 | 第35-36页 |
| 4.2.2 测试算法时间消耗 | 第36页 |
| 4.3 真实世界网络 | 第36-43页 |
| 4.3.1 海豚网络 | 第36-38页 |
| 4.3.2 Zachary空手道俱乐部网络 | 第38-39页 |
| 4.3.3 美国大学足球联盟网络 | 第39-41页 |
| 4.3.4 科学家协作网络 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间参加的项目及发表的论文 | 第48-49页 |
| 致谢 | 第49页 |