| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 复杂网络聚类算法研究现状 | 第10-11页 |
| 1.2.1 复杂网络及聚类与网络行为计算 | 第10页 |
| 1.2.2 复杂网络聚类算法研究现状 | 第10-11页 |
| 1.3 网络行为计算研究现状 | 第11-15页 |
| 1.3.1 网络行为计算国内研究现状 | 第12-13页 |
| 1.3.2 网络行为计算国外研究现状 | 第13-15页 |
| 1.4 课题研究内容 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 网络行为计算研究背景 | 第17-25页 |
| 2.1 网络行为计算方法 | 第17-20页 |
| 2.1.1 网络行为的种类 | 第17-18页 |
| 2.1.2 网络行为计算方法分类 | 第18-20页 |
| 2.2 基于聚类的网络行为计算流程 | 第20-24页 |
| 2.2.1 网络用户复杂网络图构建 | 第20-22页 |
| 2.2.2 网络行为模式分析 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于粒子松密度的复杂网络聚类算法 | 第25-38页 |
| 3.1 复杂网络聚类算法 | 第25-29页 |
| 3.1.1 复杂网络社团定义 | 第25-27页 |
| 3.1.2 复杂网络聚类算法 | 第27-29页 |
| 3.2 粒子松密度与复杂网络聚类 | 第29-31页 |
| 3.2.1 粒子松密度(Bulk Density) | 第29-30页 |
| 3.2.2 基于粒子松密度的复杂网络聚类算法 | 第30-31页 |
| 3.3 网络聚类算法的性能评估 | 第31-32页 |
| 3.3.1 数据集 | 第31-32页 |
| 3.3.2 评估指标 | 第32页 |
| 3.4 网络聚类参数的制定 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于粒子松密度聚类的网络行为计算算法 | 第38-48页 |
| 4.1 基于互信息的行为特征 | 第38-42页 |
| 4.1.1 相对信息量 | 第38-39页 |
| 4.1.2 用户行为模式分析 | 第39-42页 |
| 4.2 计算用户节点行为 | 第42-44页 |
| 4.2.1 获取网络节点信息 | 第42页 |
| 4.2.2 构建网络行为子簇结构图 | 第42-43页 |
| 4.2.3 计算用户节点权重M(srcIP) | 第43-44页 |
| 4.3 网络行为子簇标注流程 | 第44-45页 |
| 4.4 网络行为计算流程 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 仿真实验与结果分析 | 第48-57页 |
| 5.1 算法性能评估 | 第48-50页 |
| 5.1.1 数据集 | 第48-49页 |
| 5.1.2 数据集处理 | 第49-50页 |
| 5.1.3 评估指标 | 第50页 |
| 5.2 TR-PAY1数据集仿真实验分析 | 第50-52页 |
| 5.2.1 准确性比较 | 第50-51页 |
| 5.2.2 时间推移的影响 | 第51-52页 |
| 5.3 TR-PAY2数据集仿真实验分析 | 第52-53页 |
| 5.3.1 准确性比较 | 第52-53页 |
| 5.3.2 时间推移的影响 | 第53页 |
| 5.4 TR-ABIL数据集仿真实验分析 | 第53-54页 |
| 5.4.1 准确性比较 | 第53-54页 |
| 5.4.2 时间推移的影响 | 第54页 |
| 5.5 算法的计算复杂度比较 | 第54-55页 |
| 5.6 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 程序清单 | 第62-63页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |