| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-18页 |
| 第一章 绪论 | 第18-24页 |
| 1.1 课题研究背景及意义 | 第18页 |
| 1.2 复杂网络的社区结构概述 | 第18-19页 |
| 1.3 社区检测算法国内外的研究现状 | 第19-22页 |
| 1.4 论文主要内容与结构安排 | 第22-24页 |
| 第二章 基于节点邻域信息与三步联合策略的社区检测 | 第24-42页 |
| 2.1 引言 | 第24页 |
| 2.2 基于节点邻域信息与三步联合策略的社区检测算法 | 第24-31页 |
| 2.2.1 遗传表示与初始化 | 第24-25页 |
| 2.2.2 预处理策略 | 第25-27页 |
| 2.2.3 社区融合策略 | 第27-28页 |
| 2.2.4 局部节点的精制策略 | 第28-30页 |
| 2.2.5 目标函数—模块度密度 | 第30页 |
| 2.2.6 算法的整体框架 | 第30-31页 |
| 2.3 仿真实验及结果分析 | 第31-39页 |
| 2.3.1 评价指标 | 第31页 |
| 2.3.2 对比算法 | 第31-32页 |
| 2.3.3 测试网络 | 第32-33页 |
| 2.3.4 人工网络的实验结果与分析 | 第33-34页 |
| 2.3.5 现实网络的实验结果与分析 | 第34-37页 |
| 2.3.6 算法的有效性分析 | 第37-39页 |
| 2.3.7 算法运行时间分析 | 第39页 |
| 2.4 本章小结 | 第39-42页 |
| 第三章 基于K节点更新与相似度矩阵的多目标社区检测 | 第42-62页 |
| 3.1 引言 | 第42页 |
| 3.2 相关工作与模型建立 | 第42-45页 |
| 3.2.1 结构平衡理论 | 第42-43页 |
| 3.2.2 多目标优化模型的构建 | 第43-44页 |
| 3.2.3 契比雪夫方法 | 第44-45页 |
| 3.3 基于K节点更新与相似度矩阵的多目标社区检测算法 | 第45-50页 |
| 3.3.1 节点相似度矩阵与K节点更新策略 | 第45-47页 |
| 3.3.2 基于局部节点集的交叉融合算子 | 第47-48页 |
| 3.3.3 基于相似度矩阵的变异算子 | 第48-49页 |
| 3.3.4 算法的整体框架 | 第49-50页 |
| 3.4 仿真实验及结果分析 | 第50-60页 |
| 3.4.1 评价指标 | 第50-51页 |
| 3.4.2 对比算法与参数设置 | 第51页 |
| 3.4.3 无符号网络的实验结果与分析 | 第51-54页 |
| 3.4.4 符号网络的实验结果与分析 | 第54-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第四章 基于边结构与节点属性的多目标离散粒子群社区检测 | 第62-78页 |
| 4.1 引言 | 第62页 |
| 4.2 相关工作与模型建立 | 第62-64页 |
| 4.2.1 相似度计算方法 | 第62-63页 |
| 4.2.2 模型建立 | 第63-64页 |
| 4.3 基于边结构与节点属性的多目标离散粒子群社区检测算法 | 第64-68页 |
| 4.3.1 遗传表示与粒子群的初始化策略 | 第64-65页 |
| 4.3.2 粒子的更新策略 | 第65-66页 |
| 4.3.3 基于近邻的变异操作 | 第66页 |
| 4.3.4 算法的整体框架 | 第66-68页 |
| 4.4 仿真实验及结果分析 | 第68-76页 |
| 4.4.1 评价指标 | 第68-69页 |
| 4.4.2 测试网络 | 第69页 |
| 4.4.3 参数敏感度分析 | 第69-74页 |
| 4.4.4 算法在社交网络上的实验结果与分析 | 第74-75页 |
| 4.4.5 算法在文本网络上的实验结果与分析 | 第75-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 本文总结 | 第78-79页 |
| 5.2 未来工作展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 作者简介 | 第88-90页 |
