| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第2章 相关理论基础 | 第15-25页 |
| 2.1 网络的定义及图论表示 | 第15-16页 |
| 2.2 网络的统计特征量 | 第16-18页 |
| 2.2.1 度分布 | 第16-17页 |
| 2.2.2 平均路径长度 | 第17页 |
| 2.2.3 聚类系数 | 第17-18页 |
| 2.3 复杂网络的基本特性 | 第18-19页 |
| 2.3.1 小世界特性 | 第18-19页 |
| 2.3.2 无标度特性 | 第19页 |
| 2.4 影响力最大化问题的经典算法 | 第19-22页 |
| 2.5 影响力传播模型 | 第22-24页 |
| 2.5.1 传播机制 | 第22页 |
| 2.5.2 独立级联模型 | 第22-23页 |
| 2.5.3 线性阈值模型 | 第23-24页 |
| 2.5.4 SIR模型 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于k-shell的影响力最大化算法 | 第25-33页 |
| 3.1 k-shell算法介绍及分析 | 第25-27页 |
| 3.1.1 k-shell算法简介 | 第25-26页 |
| 3.1.2 k-shell算法问题分析 | 第26-27页 |
| 3.2 基于k-shell的影响力最大化KSLER算法 | 第27-31页 |
| 3.2.1 单个节点的KLSC影响力 | 第27-29页 |
| 3.2.2 种子节点集的整体优化策略 | 第29页 |
| 3.2.3 算法详细描述 | 第29-31页 |
| 3.3 KLSER算法实例分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于社区结构的影响力最大化算法 | 第33-45页 |
| 4.1 社区结构特性 | 第33-34页 |
| 4.2 Louvain Method社区划分算法 | 第34-35页 |
| 4.3 基于社区结构的影响力最大化IBC算法 | 第35-42页 |
| 4.3.1 问题的提出 | 第35-36页 |
| 4.3.2 问题描述 | 第36页 |
| 4.3.3 算法思想及相关定义 | 第36-40页 |
| 4.3.4 算法详细描述 | 第40-42页 |
| 4.4 实例分析 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 实验结果及分析 | 第45-59页 |
| 5.1 实验环境 | 第45页 |
| 5.2 仿真模型及评价标准 | 第45-46页 |
| 5.3 KLSER算法的实验结果及分析 | 第46-52页 |
| 5.3.1 实验数据集 | 第46页 |
| 5.3.2 实验结果分析 | 第46-52页 |
| 5.4 基于社区结构的IBC算法实验结果及分析 | 第52-58页 |
| 5.4.1 实验数据集 | 第52-53页 |
| 5.4.2 IBC算法的实验结果及分析 | 第53-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |