基于增量的不确定社团发现算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 传统社团发现研究现状 | 第8-9页 |
| 1.2.2 不确定社团发现研究现状 | 第9-10页 |
| 1.3 本文的研究工作及文章结构安排 | 第10-12页 |
| 1.3.1 主要研究工作 | 第10-11页 |
| 1.3.2 结构安排 | 第11-12页 |
| 第二章 社团发现基本理论及方法 | 第12-18页 |
| 2.1 社团的定义 | 第12-13页 |
| 2.2 社团发现的基本方法 | 第13-15页 |
| 2.2.1 网络的划分 | 第13-14页 |
| 2.2.2 层次聚类 | 第14-15页 |
| 2.2.3 划分聚类 | 第15页 |
| 2.3 社团划分评价标准 | 第15-17页 |
| 2.3.1 模块度 | 第15-16页 |
| 2.3.2 社团密度和社团有效直径 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 改进的传统社团发现算法 | 第18-24页 |
| 3.1 改进的LFM算法 | 第18-21页 |
| 3.1.1 LFM算法的基本原理 | 第18-19页 |
| 3.1.2 势能场的基本原理 | 第19-20页 |
| 3.1.3 改进的LFM算法—WLFM算法 | 第20-21页 |
| 3.2 实验结果及分析 | 第21-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 改进的不确定社团发现算法 | 第24-36页 |
| 4.1 算法初始化的改进 | 第24-29页 |
| 4.1.1 相关定义 | 第24-26页 |
| 4.1.2 改进的算法初始化方法 | 第26-28页 |
| 4.1.3 实验结果及分析 | 第28-29页 |
| 4.2 不确定相对紧密子图发现算法 | 第29-35页 |
| 4.2.1 不确定概率模型 | 第29-31页 |
| 4.2.2 问题定义 | 第31页 |
| 4.2.3 不确定阈值UT | 第31-32页 |
| 4.2.4 RTop-k相对紧密子图发现算法 | 第32-33页 |
| 4.2.5 实验结果及分析 | 第33-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第五章 总结与展望 | 第36-38页 |
| 5.1 论文工作总结 | 第36页 |
| 5.2 未来工作展望 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 攻读硕士学位期间取得的科研成果 | 第41-42页 |
| 致谢 | 第42页 |
