基于节点相似度的社区发现算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 社会网络划分的应用 | 第10-12页 |
| 1.3 国内外研究现状以及存在的问题 | 第12-14页 |
| 1.3.1 国外的研究现状 | 第12-13页 |
| 1.3.2 国内的研究现状 | 第13-14页 |
| 1.4 论文研究内容及组织结构 | 第14-16页 |
| 1.4.1 论文研究内容 | 第14页 |
| 1.4.2 论文的组织结构 | 第14-16页 |
| 第2章 复杂网络中的基础理论和算法 | 第16-29页 |
| 2.1 基础概念 | 第16-18页 |
| 2.1.1 网络中的图 | 第16页 |
| 2.1.2 节点的度 | 第16页 |
| 2.1.3 节点的共有邻居 | 第16-17页 |
| 2.1.4 聚类系数 | 第17页 |
| 2.1.5 平均路径长度 | 第17-18页 |
| 2.1.6 介数 | 第18页 |
| 2.1.7 密度 | 第18页 |
| 2.2 网络的结构 | 第18-22页 |
| 2.2.1 小世界网络 | 第18-19页 |
| 2.2.2 无标度网络 | 第19-21页 |
| 2.2.3 社区结构 | 第21-22页 |
| 2.3 复杂网络的社区发现算法 | 第22-28页 |
| 2.3.1 KL算法 | 第22-23页 |
| 2.3.2 GN算法 | 第23-24页 |
| 2.3.3 FN算法 | 第24页 |
| 2.3.4 CNM算法 | 第24-25页 |
| 2.3.5 Louvain算法 | 第25-26页 |
| 2.3.6 CPM算法 | 第26-27页 |
| 2.3.7 LP算法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 一种基于节点相似度的社区发现算法 | 第29-39页 |
| 3.1 算法的基本思想 | 第29-36页 |
| 3.1.1 初始状态的确定 | 第30-31页 |
| 3.1.2 相似性测度函数 | 第31-33页 |
| 3.1.3 一种改进的相似性测度函数 | 第33-35页 |
| 3.1.4 边界测度方法 | 第35-36页 |
| 3.2 算法描述 | 第36-37页 |
| 3.3 算法的时间复杂度分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 实验结果与分析 | 第39-51页 |
| 4.1 Zachary空手道俱乐部网络 | 第39-45页 |
| 4.2 美国政治书网络 | 第45-47页 |
| 4.3 美国大学生足球联赛网络 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-59页 |
| 致谢 | 第59页 |
