基于结构的有效社区划分算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-17页 |
| 1.1 研究背景和研究意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 本课题研究内容 | 第15-17页 |
| 2 社区划分的相关背景和基本知识 | 第17-31页 |
| 2.1 网络模型的分类 | 第17-21页 |
| 2.1.1 规则网络模型 | 第17-18页 |
| 2.1.2 随机网络模型 | 第18-19页 |
| 2.1.3 小世界网络模型 | 第19-20页 |
| 2.1.4 无标度网络模型 | 第20-21页 |
| 2.2 社区定义和模块度 | 第21-23页 |
| 2.3 社区划分算法 | 第23-30页 |
| 2.3.1 GN算法 | 第23-26页 |
| 2.3.2 谱分析法 | 第26-27页 |
| 2.3.3 电流算法 | 第27-28页 |
| 2.3.4 KL算法 | 第28页 |
| 2.3.5 蚁群模型算法 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于结构和适应度的社区发现 | 第31-41页 |
| 3.1 结构相似性和相似度 | 第31-33页 |
| 3.2 基于结构和适应度的社区发现算法 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-40页 |
| 3.3.1 人工网络实验结果 | 第36-39页 |
| 3.3.2 真实网络实验结果 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于结构相似性和蚁群聚类模型的社区划分 | 第41-52页 |
| 4.1 相关工作 | 第41-42页 |
| 4.2 算法介绍 | 第42-47页 |
| 4.2.1 以结构为基础的相似性 | 第42-44页 |
| 4.2.2 以蚁群为基础的相似性 | 第44-47页 |
| 4.3 实验结果 | 第47-51页 |
| 4.3.1 人工网络实验结果 | 第47-50页 |
| 4.3.2 真实网络的实验结果 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第57-59页 |
| 学位论文数据集 | 第59页 |
