| 中文摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 引言 | 第15-26页 |
| 1.1 网络 | 第15-17页 |
| 1.2 社区发现的概述 | 第17-19页 |
| 1.2.1 社区及社区发现 | 第17-19页 |
| 1.2.2 社区发现的作用 | 第19页 |
| 1.3 社区发现的研究现状 | 第19-23页 |
| 1.4 本文的主要工作 | 第23-24页 |
| 1.5 论文的结构安排 | 第24-26页 |
| 第二章 准备工作 | 第26-29页 |
| 2.1 符号和定义 | 第26-27页 |
| 2.2 社区检测评价指标 | 第27-29页 |
| 第三章 基于谱聚类带有节点特征的社区发现方法 | 第29-51页 |
| 3.1 引言 | 第29-31页 |
| 3.2 SpcSA算法 | 第31-38页 |
| 3.2.1 SpcSA算法 | 第31-34页 |
| 3.2.2 参数σ的选取 | 第34-36页 |
| 3.2.3 算法的收敛性 | 第36-38页 |
| 3.3 实验和分析 | 第38-50页 |
| 3.3.1 数值模拟实验 | 第38-44页 |
| 3.3.2 实际网络 | 第44-50页 |
| 3.4 小结 | 第50-51页 |
| 第四章 基于模度块带有节点特征的社区发现算法 | 第51-64页 |
| 4.1 引言 | 第51-52页 |
| 4.2 NMNA算法 | 第52-57页 |
| 4.2.1 准备工作 | 第52-54页 |
| 4.2.2 NMNA算法 | 第54-57页 |
| 4.3 实验和分析 | 第57-64页 |
| 4.3.1 数值模拟 | 第57-60页 |
| 4.3.2 实际数据 | 第60-64页 |
| 第五章 基于图距离的带有节点特征的社区检测算法 | 第64-87页 |
| 5.1 引言 | 第64-66页 |
| 5.2 DCFI算法 | 第66-77页 |
| 5.2.1 结构层网络和节点特征层网络节点的相似度 | 第66-68页 |
| 5.2.2 相似度的融合 | 第68-69页 |
| 5.2.3 DCFI收敛性 | 第69-77页 |
| 5.3 实验和分析 | 第77-87页 |
| 5.3.1 数值模拟 | 第77-81页 |
| 5.3.2 实际网络数据 | 第81-87页 |
| 第六章 总结与展望 | 第87-90页 |
| 参考文献 | 第90-108页 |
| 在校期间科研成果 | 第108-109页 |
| 致谢 | 第109页 |