复杂网络社团发现算法与社团关系演化模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 复杂网络研究现状 | 第12-13页 |
| 1.2.2 社团发现研究现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第2章 相关理论与技术 | 第19-33页 |
| 2.1 复杂网络基本概念 | 第19-25页 |
| 2.1.1 复杂网络概述 | 第19页 |
| 2.1.2 复杂网络拓扑结构 | 第19-20页 |
| 2.1.3 复杂网络性能参数 | 第20-21页 |
| 2.1.4 复杂网络基本演化模型 | 第21-25页 |
| 2.2 复杂网络中社团结构定义 | 第25-26页 |
| 2.3 复杂网络中的社团发现算法 | 第26-32页 |
| 2.3.1 图分割法 | 第26-28页 |
| 2.3.2 聚类算法 | 第28-30页 |
| 2.3.3 分裂法 | 第30-31页 |
| 2.3.4 谱方法 | 第31页 |
| 2.3.5 动态算法 | 第31页 |
| 2.3.6 基于统计推断的算法 | 第31-32页 |
| 2.3.7 算法比较分析 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 复杂网络社团发现算法研究 | 第33-45页 |
| 3.1 基于信息熵的自组织社团发现算法 | 第33-38页 |
| 3.1.1 算法基本思想 | 第33-34页 |
| 3.1.2 算法流程 | 第34-35页 |
| 3.1.3 算法分析 | 第35-36页 |
| 3.1.4 实验结果及性能分析 | 第36-38页 |
| 3.2 基于社团成员可获得平均信息量的自组织算法 | 第38-44页 |
| 3.2.1 算法设计 | 第39-40页 |
| 3.2.2 算法实现 | 第40-41页 |
| 3.2.3 实验结果及性能分析 | 第41-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 基于增长的复杂网络关系模型构建 | 第45-69页 |
| 4.1 复杂网络增长性分析 | 第45-46页 |
| 4.2 一种基于单节点增长的复杂网络模型 | 第46-51页 |
| 4.2.1 模型构建 | 第46-47页 |
| 4.2.2 理论分析 | 第47-48页 |
| 4.2.3 实验模拟 | 第48-51页 |
| 4.3 一种基于块增长的复杂网络模型 | 第51-62页 |
| 4.3.1 模型构建 | 第51-55页 |
| 4.3.2 理论分析 | 第55-59页 |
| 4.3.3 实验模拟 | 第59-62页 |
| 4.4 基于通讯难度的复杂网络增长模型 | 第62-68页 |
| 4.4.1 通讯难度定义 | 第62-63页 |
| 4.4.2 模型构建 | 第63-64页 |
| 4.4.3 理论分析 | 第64-65页 |
| 4.4.4 实验模拟 | 第65-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 复杂网络实体间内部平衡机制研究 | 第69-79页 |
| 5.1 复杂网络内部关系变化分析 | 第69页 |
| 5.2 实体间关系强弱演化机制 | 第69-73页 |
| 5.2.1 常见网络中的关系强弱特性 | 第69-71页 |
| 5.2.2 复杂网络关系强弱模型构建 | 第71-72页 |
| 5.2.3 实验模拟 | 第72-73页 |
| 5.3 关系的删除和更新机制 | 第73-78页 |
| 5.3.1 反择优删除机制 | 第73-74页 |
| 5.3.2 关系动态更新机制 | 第74-75页 |
| 5.3.3 实验模拟 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-83页 |
| 致谢 | 第83页 |
