| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·基于划分的方法 | 第9-10页 |
| ·基于层次的方法 | 第10页 |
| ·基于密度和网格的方法 | 第10页 |
| ·基于模型的方法 | 第10-11页 |
| ·其他聚类方法 | 第11页 |
| ·聚类分析 | 第11-15页 |
| ·聚类分析的定义 | 第11页 |
| ·聚类分析的一般过程 | 第11-13页 |
| ·聚类分析的评价 | 第13-15页 |
| ·本文的主要工作和组织结构 | 第15-16页 |
| 第2章 谱聚类算法概述 | 第16-24页 |
| ·引言 | 第16页 |
| ·谱图理论 | 第16-19页 |
| ·图的矩阵表示 | 第16-17页 |
| ·相似矩阵、度矩阵、拉普拉斯矩阵及矩阵的谱 | 第17-19页 |
| ·谱图划分准则 | 第19-20页 |
| ·最小割集准则(Minimum cut) | 第19页 |
| ·比例割集率切准则(Ratio cut) | 第19页 |
| ·规范割集准则(Normalized cut) | 第19-20页 |
| ·平均割集准则(Average cut) | 第20页 |
| ·最小最大割集准则(Min-max cut) | 第20页 |
| ·多路规范割集准则(Multiway Normalized cut) | 第20页 |
| ·谱聚类算法 | 第20-23页 |
| ·谱聚类算法的一般框架 | 第20-21页 |
| ·谱聚类算法存在的问题 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 一种改进的谱聚类算法 | 第24-32页 |
| ·引言 | 第24-27页 |
| ·相似性度量定义 | 第27-28页 |
| ·优化初始聚类中心的k-means算法 | 第28-29页 |
| ·k-means算法 | 第28页 |
| ·初始聚类中心的优化 | 第28-29页 |
| ·改进的谱聚类算法 | 第29-30页 |
| ·实验及分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 谱聚类在社交网络中的应用 | 第32-40页 |
| ·研究背景 | 第32-33页 |
| ·社交网络的概念 | 第33-34页 |
| ·社交网络的定义 | 第33页 |
| ·社团结构 | 第33-34页 |
| ·网络长度的衡量 | 第34页 |
| ·网络图的表示方法 | 第34-35页 |
| ·图的表示 | 第34页 |
| ·矩阵表示 | 第34-35页 |
| ·谱聚类在社交网络中的应用 | 第35-38页 |
| ·一种有效的抽样方法 | 第35-36页 |
| ·模块性 | 第36页 |
| ·算法框架 | 第36-38页 |
| ·实验与小结 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 全文总结与展望 | 第40-42页 |
| ·全文总结 | 第40页 |
| ·展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46-47页 |