基于k-truss的图社区发现算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 图分割类算法 | 第11-12页 |
| 1.2.2 G-N算法 | 第12页 |
| 1.2.3 基于团的算法 | 第12-13页 |
| 1.2.4 基于k-truss的算法 | 第13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 基础知识概述 | 第15-23页 |
| 2.1 基础知识 | 第15-16页 |
| 2.2 k-truss结构定义 | 第16-19页 |
| 2.3 k-truss基本算法 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于顶点度的算法 | 第23-31页 |
| 3.1 问题分析 | 第23-24页 |
| 3.2 过滤策略 | 第24-27页 |
| 3.3 算法描述 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于上下界的优化算法 | 第31-45页 |
| 4.1 基于下界的优化算法 | 第31-38页 |
| 4.1.1 问题分析 | 第31-32页 |
| 4.1.2 下界值 | 第32-34页 |
| 4.1.3 算法描述 | 第34-38页 |
| 4.1.4 算法分析 | 第38页 |
| 4.2 基于上界的优化算法 | 第38-44页 |
| 4.2.1 问题分析 | 第38-39页 |
| 4.2.2 上界值 | 第39-41页 |
| 4.2.3 算法描述 | 第41-44页 |
| 4.2.4 算法分析 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 实验分析 | 第45-51页 |
| 5.1 实验环境和数据集 | 第45-46页 |
| 5.2 评价指标 | 第46页 |
| 5.3 性能比较和分析 | 第46-49页 |
| 5.3.1 基于顶点度的算法性能比较 | 第46-47页 |
| 5.3.2 基于下界的优化算法性能比较 | 第47-48页 |
| 5.3.3 基于上界的优化算法性能比较 | 第48-49页 |
| 5.4 本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第57-58页 |
| 致谢 | 第58页 |
