基于半监督的GN聚类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文的主旨结构 | 第13-14页 |
| 2 相关知识介绍 | 第14-27页 |
| 2.1 复杂网络社区发现 | 第14-17页 |
| 2.1.1 复杂网络 | 第14-16页 |
| 2.1.2 社区发现 | 第16-17页 |
| 2.2 社区发现算法 | 第17-22页 |
| 2.2.1 图分割算法 | 第17-18页 |
| 2.2.2 启发式算法 | 第18-19页 |
| 2.2.3 层次聚类算法 | 第19-22页 |
| 2.2.4 社区发现衍生的算法 | 第22页 |
| 2.3 半监督学习 | 第22-26页 |
| 2.3.1 半监督学习 | 第22-23页 |
| 2.3.2 半监督学习方法分类 | 第23-24页 |
| 2.3.3 基于半监督的社区发现算法 | 第24-25页 |
| 2.3.4 基于半监督聚类算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于半监督的GN算法 | 第27-41页 |
| 3.1 引言 | 第27-28页 |
| 3.2 基于半监督的GN算法 | 第28-33页 |
| 3.2.1 学习以及扩充先验知识 | 第28-29页 |
| 3.2.2 验证先验知识 | 第29-30页 |
| 3.2.3 基于边介值的层次聚类 | 第30-31页 |
| 3.2.4 S-GN算法流程 | 第31-33页 |
| 3.3 实验分析 | 第33-40页 |
| 3.3.1 人工网络 | 第33-36页 |
| 3.3.2 真实网络 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于相似度的半监督GN算法 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 基于相似度的半监督GN算法 | 第41-45页 |
| 4.2.1 学习以及扩充先验知识 | 第41-42页 |
| 4.2.2 验证先验知识 | 第42页 |
| 4.2.3 基于节点相似度的层次聚类 | 第42-44页 |
| 4.2.4 S-SGN算法流程 | 第44-45页 |
| 4.3 实验分析 | 第45-54页 |
| 4.3.1 人工网络 | 第46-49页 |
| 4.3.2 真实网络 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望及后续研究 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间取得的科研成果清单 | 第63页 |
