基于BFS的局部社区发现算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要工作 | 第12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 社区发现综述 | 第13-34页 |
| 2.1 社区发现定义 | 第13-24页 |
| 2.1.1 基本概念 | 第13-15页 |
| 2.1.2 局部定义 | 第15-17页 |
| 2.1.3 全局定义 | 第17页 |
| 2.1.4 基于节点相似度的定义 | 第17-19页 |
| 2.1.5 基于分割的定义 | 第19-21页 |
| 2.1.6 基于模块度的定义 | 第21-24页 |
| 2.2 全局社区发现算法 | 第24-27页 |
| 2.2.1 图分割 | 第24页 |
| 2.2.2 等级聚类 | 第24-25页 |
| 2.2.3 分割聚类 | 第25-26页 |
| 2.2.4 谱聚类 | 第26页 |
| 2.2.5 Girvan-Newman算法 | 第26-27页 |
| 2.3 局部社区发现方法 | 第27-33页 |
| 2.3.1 Clauset算法 | 第28-30页 |
| 2.3.2 Luo算法 | 第30页 |
| 2.3.3 Lee算法 | 第30-31页 |
| 2.3.4 LMD算法 | 第31-32页 |
| 2.3.5 Zhu算法 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于BFS的局部社区发现算法设计 | 第34-47页 |
| 3.1 相似度定义 | 第34-35页 |
| 3.2 节点最大结合性 | 第35-36页 |
| 3.2.1 节点结合性 | 第35-36页 |
| 3.2.2 最大结合性节点 | 第36页 |
| 3.3 算法过程描述 | 第36-44页 |
| 3.3.1 算法发现步骤 | 第37-39页 |
| 3.3.2 算法伪代码描述 | 第39-44页 |
| 3.4 算法复杂度分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于BFS的局部社区发现算法实现与分析 | 第47-74页 |
| 4.1 实验数据集介绍 | 第47-53页 |
| 4.1.1 数据集格式介绍 | 第47页 |
| 4.1.2 空手道俱乐部网络 | 第47-49页 |
| 4.1.3 海豚网络 | 第49-50页 |
| 4.1.4 美国足球俱乐部网络 | 第50-51页 |
| 4.1.5 美国政治书籍网络 | 第51-53页 |
| 4.2 实验框架设计 | 第53页 |
| 4.3 实验评价标准 | 第53-55页 |
| 4.4 实验结果验证与分析 | 第55-73页 |
| 4.4.1 空手道俱乐部网络数据验证 | 第56-59页 |
| 4.4.2 海豚网络数据验证 | 第59-61页 |
| 4.4.3 美国足球俱乐部网络数据验证 | 第61-66页 |
| 4.4.4 美国政治书籍网络数据验证 | 第66-69页 |
| 4.4.5 实验总结 | 第69-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 全文总结与展望 | 第74-76页 |
| 5.1 论文工作总结 | 第74-75页 |
| 5.2 创新点 | 第75页 |
| 5.3 后续研究工作 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间已发表或录用的论文 | 第81-83页 |
