首页--数理科学和化学论文--数学论文--代数、数论、组合理论论文--组合数学(组合学)论文--图论论文

基于社区结构的Top-K影响力节点发现算法研究

摘要第4-5页
Abstract第5页
1 绪论第8-18页
    1.1 研究背景与意义第8-10页
    1.2 国内外研究现状第10-16页
    1.3 本文主要工作第16-17页
    1.4 本章小结第17-18页
2 基于相似度序列的社区发现算法第18-32页
    2.1 问题描述第18-19页
    2.2 相关研究第19-21页
    2.3 ACSS算法的设计与实现第21-25页
    2.4 仿真实验与结果分析第25-31页
    2.5 本章小结第31-32页
3 基于社区结构的TOP-K影响力节点发现算法第32-47页
    3.1 问题描述第32页
    3.2 符号定义第32-33页
    3.3 IMBC算法的设计与实现第33-40页
    3.4 仿真实验与结果分析第40-45页
    3.5 本章小结第45-47页
4 IMBC算法在社交网络上的应用第47-54页
    4.1 微博的功能特性分析第47-48页
    4.2 对微博的TOP-K影响力节点的发现第48-52页
    4.3 信息传播过程的模拟第52-53页
    4.4 本章小结第53-54页
5 总结与展望第54-56页
    5.1 本文主要研究成果第54-55页
    5.2 下一步工作展望第55-56页
致谢第56-58页
参考文献第58-66页
附录I 攻读硕士学位期间发表的论文目录第66-67页
附录II 攻读硕士学位期间参与的科研工作第67页

论文共67页,点击 下载论文
上一篇:两类排队模型的理论探讨
下一篇:沪深300股指期货和期权在市值管理中的应用研究