动态复杂网络社区发现算法研究及应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 复杂网络社区发现算法的研究现状 | 第12-16页 |
| 1.3 本文的研究内容和文章结构 | 第16-19页 |
| 2 复杂网络社区发现算法概述 | 第19-31页 |
| 2.1 复杂网络社区结构 | 第19-21页 |
| 2.1.1 复杂网络与表示 | 第19-20页 |
| 2.1.2 复杂网络社区结构定义 | 第20-21页 |
| 2.2 静态复杂网络社区发现算法 | 第21-26页 |
| 2.2.1 图分割方法 | 第21-22页 |
| 2.2.2 层次聚类法 | 第22-23页 |
| 2.2.3 重叠社区发现算法 | 第23-24页 |
| 2.2.4 加权网络中的社区发现算法 | 第24-25页 |
| 2.2.5 有向网络中的社区发现算法 | 第25-26页 |
| 2.3 动态复杂网络社区发现算法 | 第26-30页 |
| 2.3.1 演化社区发现算法 | 第27-29页 |
| 2.3.2 社区演化分析方法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 一种动态加权网络社区发现算法 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 预备知识 | 第31-33页 |
| 3.2.1 动态加权网络节点度 | 第31页 |
| 3.2.2 动态加权网络隶属度 | 第31-32页 |
| 3.2.3 动态加权网络输入矩阵 | 第32页 |
| 3.2.4 动态加权网络模块度 | 第32-33页 |
| 3.3 动态加权网络社区发现 | 第33-37页 |
| 3.3.1 演化社区发现的两个指标 | 第33-35页 |
| 3.3.2 演化社区发现算法 | 第35-37页 |
| 3.4 数值实验 | 第37-41页 |
| 3.4.1 评价指标和对比方法 | 第37-38页 |
| 3.4.2 人工合成数据 | 第38-40页 |
| 3.4.3 Catalano社交网络 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 两阶段动态网络社区演化分析 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 预备知识 | 第42-44页 |
| 4.2.1 匹配矩阵 | 第42-43页 |
| 4.2.2 社区前件和后件 | 第43-44页 |
| 4.3 动态网络社区演化路径分析 | 第44页 |
| 4.4 数值实验 | 第44-49页 |
| 4.4.1 人工合成数据 | 第45-47页 |
| 4.4.2 Catalano社交网络 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 动态复杂网络社区发现算法应用 | 第50-59页 |
| 5.1 科研合作网络介绍 | 第50页 |
| 5.2 动态科研合作网络社区结构分析 | 第50-55页 |
| 5.3 动态科研合作网络社区演化分析 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
