基于多目标粒子群的社区发现算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-17页 |
| 第二章 相关知识介绍 | 第17-39页 |
| 2.1 静态网络社区发现 | 第17页 |
| 2.2 动态网络社区发现 | 第17-27页 |
| 2.2.1 动态网络的定义 | 第17-18页 |
| 2.2.2 社区检测和评估指标 | 第18-19页 |
| 2.2.3 粒子群算法 | 第19-21页 |
| 2.2.4 多目标优化算法 | 第21-22页 |
| 2.2.5 多目标优化粒子群算法 | 第22-26页 |
| 2.2.6 动态网络检测 | 第26-27页 |
| 2.3 网络表示学习 | 第27-32页 |
| 2.3.1 邻接矩阵表示 | 第27-29页 |
| 2.3.2 分布式表示 | 第29-32页 |
| 2.4 GraphGAN算法 | 第32-39页 |
| 2.4.1 判别器优化 | 第34-35页 |
| 2.4.2 生成器优化 | 第35-39页 |
| 第三章 共识多目标粒子群算法 | 第39-61页 |
| 3.1 共识社区 | 第39-42页 |
| 3.1.1 种群内共识社区 | 第39-40页 |
| 3.1.2 种群间共识社区 | 第40-42页 |
| 3.2 CCPSO算法步骤 | 第42-45页 |
| 3.2.1 表示 | 第42-43页 |
| 3.2.2 初始化 | 第43页 |
| 3.2.3 离散粒子状态更新 | 第43-45页 |
| 3.2.4 扰动算子 | 第45页 |
| 3.3 CCPSO的主要流程 | 第45-47页 |
| 3.4 实验 | 第47-61页 |
| 3.4.1 算法和设置的比较 | 第47页 |
| 3.4.2 合成网络的性能 | 第47-50页 |
| 3.4.3 现实网络的性能 | 第50-58页 |
| 3.4.4 CCPSO中参数的灵敏度 | 第58-61页 |
| 第四章 GAN-PSO算法 | 第61-71页 |
| 4.1 改进初始化 | 第61-62页 |
| 4.2 改进目标函数 | 第62-63页 |
| 4.3 Gan-pso的整个流程 | 第63-64页 |
| 4.4 实验 | 第64-71页 |
| 4.4.1 比较算法 | 第64-66页 |
| 4.4.2 GN扩展基准网络性能 | 第66-67页 |
| 4.4.3 LFR基准网络性能 | 第67-69页 |
| 4.4.4 现实世界网络性能 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-80页 |
