| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要工作与结构安排 | 第12-16页 |
| 1.3.1 问题提出 | 第12-13页 |
| 1.3.2 主要工作 | 第13-14页 |
| 1.3.3 本文的组织结构 | 第14-16页 |
| 第2章 相关工作 | 第16-27页 |
| 2.1 图的相关概念和定义 | 第16-18页 |
| 2.1.1 社交网络图的定义 | 第16页 |
| 2.1.2 图的特性 | 第16-18页 |
| 2.2 图采样 | 第18-25页 |
| 2.2.1 基于广度优先搜索的图采样技术 | 第18-21页 |
| 2.2.2 基于随机游走(RW)的图采样技术 | 第21-23页 |
| 2.2.3 “点-边”采样法 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 面向图聚类特性保持的聚类系数修正 | 第27-38页 |
| 3.1 问题提出 | 第27-28页 |
| 3.2 聚类系数数学分析 | 第28-34页 |
| 3.2.1 概念与定义 | 第28-29页 |
| 3.2.2 聚类系数单调性 | 第29-34页 |
| 3.3 面向聚类特性保持的修正聚类系数 | 第34-37页 |
| 3.3.1 聚类系数修正 | 第34-36页 |
| 3.3.2 修正聚类系数数学分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于修正聚类系数的数据流图采样算法 | 第38-48页 |
| 4.1 相关概念与定义 | 第38-39页 |
| 4.2 数据流采样问题描述 | 第39-41页 |
| 4.3 算法思想 | 第41-44页 |
| 4.4 算法的伪代码以及算法分析 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 实验结果与分析 | 第48-54页 |
| 5.1 实验环境与数据集 | 第48页 |
| 5.2 实验方案 | 第48-49页 |
| 5.2.1 修正聚类系数验证实验方案 | 第48-49页 |
| 5.2.2 数据流图采样实验方案 | 第49页 |
| 5.3 实验结果与分析 | 第49-52页 |
| 5.3.1 修正聚类系数公式的实验结果与分析 | 第49-51页 |
| 5.3.2 基于修正聚类系数的数据流图采样算法研究与优化 | 第51-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第6章 总结展望 | 第54-57页 |
| 6.1 本文工作内容总结 | 第54-55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-61页 |