有向网络的社区发现算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 复杂网络社区发现研究及相关技术基础 | 第16-39页 |
| 2.1 复杂网络的介绍 | 第16-24页 |
| 2.1.1 复杂网络的含义 | 第16-19页 |
| 2.1.2 复杂网络的拓扑特性及模型 | 第19-24页 |
| 2.2 复杂网络的统计特性 | 第24-29页 |
| 2.2.1 度和度分布 | 第24-26页 |
| 2.2.2 平均路径长度 | 第26-27页 |
| 2.2.3 聚集系数 | 第27-28页 |
| 2.2.4 接近中心性和中间中心性 | 第28-29页 |
| 2.3 社区发现的研究 | 第29-38页 |
| 2.3.1 社区及社区发现的含义 | 第29-33页 |
| 2.3.2 社区结构的度量标准 | 第33-34页 |
| 2.3.3 网络节点重要性分析 | 第34-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 典型的社区发现算法研究 | 第39-47页 |
| 3.1 KERNIGHAN-LIN 算法 | 第39页 |
| 3.2 谱平分法 | 第39-40页 |
| 3.3 GN 算法及其改进的算法 | 第40-42页 |
| 3.4 NEWMAN 的算法 | 第42-44页 |
| 3.5 CPM 算法 | 第44-45页 |
| 3.6 其它算法 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 无权有向网络的社区发现算法 | 第47-70页 |
| 4.1 算法思想 | 第47-48页 |
| 4.2 算法设计 | 第48-58页 |
| 4.2.1 节点间链接分析 | 第48-50页 |
| 4.2.2 节点贡献度分析 | 第50-54页 |
| 4.2.3 节点权重度分析 | 第54-55页 |
| 4.2.4 基于局部的社区结构发现 | 第55-58页 |
| 4.3 算法描述 | 第58-60页 |
| 4.4 算法测试与分析 | 第60-68页 |
| 4.4.1 测试环境与工具 | 第61页 |
| 4.4.2 测试美国政治博客圈网络 | 第61-65页 |
| 4.4.2.1 博客圈网络数据集分析 | 第61-63页 |
| 4.4.2.2 实验结果分析 | 第63-65页 |
| 4.4.3 测试引文网络 | 第65-68页 |
| 4.4.3.1 引文网络数据集分析 | 第65-67页 |
| 4.4.3.2 实验结果分析 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 有权有向网络的社区发现算法 | 第70-80页 |
| 5.1 算法思想 | 第70页 |
| 5.2 算法设计 | 第70-72页 |
| 5.2.1 边的权重分析 | 第70-71页 |
| 5.2.2 节点权重度分析 | 第71-72页 |
| 5.3 算法描述 | 第72-73页 |
| 5.4 算法测试与分析 | 第73-78页 |
| 5.4.1 测试线虫神经网络图 | 第73-75页 |
| 5.4.1.1 线虫神经网络数据集分析 | 第73-74页 |
| 5.4.1.2 实验结果分析 | 第74-75页 |
| 5.4.2 测试科学合作网络分析 | 第75-78页 |
| 5.4.2.1 科学合作网络数据集分析 | 第75-77页 |
| 5.4.2.2 实验结果分析 | 第77-78页 |
| 5.5 本章小结 | 第78-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 本文总结 | 第80页 |
| 6.2 后续工作展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
