一种基于记忆认知启发机会网络动态社区检测方法
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-12页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.1.1 研究背景 | 第6-7页 |
| 1.1.2 研究意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 主要研究内容 | 第9-10页 |
| 1.4 论文的组织架构 | 第10-12页 |
| 第二章 相关研究 | 第12-18页 |
| 2.1 社区 | 第12页 |
| 2.2 启发法 | 第12-13页 |
| 2.3 复杂网络中社区检测方法 | 第13-15页 |
| 2.3.1 GN算法 | 第13-14页 |
| 2.3.2 LPA算法 | 第14-15页 |
| 2.3.3 Fast Unfolding算法 | 第15页 |
| 2.4 机会网络中社区检测方法 | 第15-17页 |
| 2.4.1 MCP算法 | 第15-16页 |
| 2.4.2 NDEC算法 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 IMBC算法 | 第18-25页 |
| 3.1 影响节点关系强度的属性 | 第18-19页 |
| 3.2 记忆激活量 | 第19-20页 |
| 3.3 自适应遗忘过程 | 第20-21页 |
| 3.4 算法的实现与分析 | 第21-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 实验结果及分析 | 第25-35页 |
| 4.1 仿真平台 | 第25-29页 |
| 4.2 仿真实验 | 第29-30页 |
| 4.3 不同的fforget对算法性能的影响 | 第30-32页 |
| 4.4 IMBC和NDEC算法性能的对比 | 第32-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 基于社区和信誉机会网络激励策略 | 第35-44页 |
| 5.1 相关工作 | 第35页 |
| 5.2 系统模型 | 第35-36页 |
| 5.3 RCI算法 | 第36-40页 |
| 5.3.1 信誉标签 | 第36页 |
| 5.3.2 利他模型 | 第36-37页 |
| 5.3.3 社区内信誉模型 | 第37-38页 |
| 5.3.4 社区间信誉模型 | 第38-40页 |
| 5.3.5 算法描述 | 第40页 |
| 5.4 仿真实验 | 第40-43页 |
| 5.5 本章总结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 在校期间发表论文情况 | 第49-50页 |
| 致谢 | 第50-51页 |
