一种基于多目标优化的复杂网络社区发现算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-12页 |
| 1.3 社区发现的研究现状 | 第12-15页 |
| 1.3.1 传统的社区发现方法 | 第12-13页 |
| 1.3.2 基于进化的社区发现方法 | 第13-15页 |
| 1.4 论文研究内容及组织结构 | 第15-18页 |
| 1.4.1 论文研究内容 | 第15-16页 |
| 1.4.2 论文的组织结构 | 第16-18页 |
| 第2章 社区发现相关理论 | 第18-34页 |
| 2.1 社区发现的基本理论 | 第18-22页 |
| 2.1.1 社区的定义 | 第18-19页 |
| 2.1.2 聚类系数 | 第19页 |
| 2.1.3 模块度和模块密度 | 第19-21页 |
| 2.1.4 社区分值和社区适应度 | 第21-22页 |
| 2.2 传统社区发现算法 | 第22-24页 |
| 2.2.1 凝聚算法 | 第22-23页 |
| 2.2.2 分裂算法 | 第23-24页 |
| 2.3 基于目标优化的社区发现算法 | 第24-31页 |
| 2.3.1 单目标优化社区发现算法 | 第24-25页 |
| 2.3.2 多目标优化社区发现算法 | 第25-31页 |
| 2.4 本章小结 | 第31-34页 |
| 第3章 IMOEA/D框架 | 第34-50页 |
| 3.1 基于IMOEA/D的社区发现问题描述 | 第34-35页 |
| 3.2 目标函数 | 第35-36页 |
| 3.3 基于节点适应度ND的基因编码方式 | 第36-39页 |
| 3.4 种群初始化 | 第39-40页 |
| 3.5 基于节点适应度ND的遗传操作 | 第40-44页 |
| 3.5.1 基于节点适应度ND的两点交叉 | 第40-42页 |
| 3.5.2 基于节点适应度ND的变异 | 第42-44页 |
| 3.6 基于IMOEA/D框架的社区发现 | 第44-48页 |
| 3.6.1 IMOEA/D中的启发式策略 | 第45页 |
| 3.6.2 IMOEA/D中的局部搜索策略 | 第45-46页 |
| 3.6.3 基于IMOEA/D的社区发现算法框架 | 第46-48页 |
| 3.6.4 模型选择阶段 | 第48页 |
| 3.7 本章小结 | 第48-50页 |
| 第4章 实验验证及结果分析 | 第50-64页 |
| 4.1 实验环境 | 第50页 |
| 4.2 社区质量评价指标 | 第50-51页 |
| 4.3 实验数据集 | 第51-56页 |
| 4.4 实验数据及分析 | 第56-62页 |
| 4.5 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-72页 |
| 致谢 | 第72页 |
