| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 论文相关理论知识 | 第16-26页 |
| 2.1 复杂网络的基本拓扑性质 | 第16-17页 |
| 2.2 影响力节点重要性指标 | 第17-20页 |
| 2.3 影响力排序算法 | 第20-23页 |
| 2.3.1 经典k-shell分解算法 | 第20-21页 |
| 2.3.2 考虑节点与核心层节点集合距离的kl算法 | 第21-22页 |
| 2.3.3 混合度分解Mdd算法 | 第22-23页 |
| 2.4 影响力传播模型 | 第23-25页 |
| 2.4.1 独立级联IC模型 | 第23-24页 |
| 2.4.2 线性阈值LT模型 | 第24页 |
| 2.4.3 经典传染病SIR模型 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于k-shell与结构洞特征的节点影响力排序算法 | 第26-35页 |
| 3.1 引言 | 第26页 |
| 3.2 相关概念 | 第26-28页 |
| 3.2.1 符号定义 | 第26-27页 |
| 3.2.2 结构洞网络特征 | 第27-28页 |
| 3.3 基于k-shell与结构洞特征的节点影响力IK排序算法 | 第28-34页 |
| 3.3.1 结构洞网络单个节点的HC影响力 | 第28-31页 |
| 3.3.2 结构洞网络中核心节点的优化策略 | 第31页 |
| 3.3.3 节点影响力IK排序算法的描述 | 第31-33页 |
| 3.3.4 算法的算例分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于启发式双层投票的影响最大化算法 | 第35-44页 |
| 4.1 引言 | 第35-36页 |
| 4.2 相关概念 | 第36-38页 |
| 4.2.1 符号定义 | 第36页 |
| 4.2.2 影响最大化问题的描述及定义 | 第36-37页 |
| 4.2.3 基于启发式的Vote Rank算法 | 第37-38页 |
| 4.3 基于启发式双层投票的影响最大化RVote Rank算法 | 第38-43页 |
| 4.3.1 算法思想与计算过程 | 第39-40页 |
| 4.3.2 算法伪代码 | 第40-42页 |
| 4.3.3 算法的算例分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-56页 |
| 5.1 实验环境配置及编程语言 | 第44-45页 |
| 5.2 传播模型和分析评价标准 | 第45-47页 |
| 5.2.1 实验使用的传播模型 | 第45-46页 |
| 5.2.2 算法评价指标 | 第46-47页 |
| 5.3 节点影响力IK排序算法实验结果与分析 | 第47-52页 |
| 5.3.1 实验数据集 | 第47-48页 |
| 5.3.2 实验结果分析 | 第48-52页 |
| 5.4 影响最大化RVote Rank算法实验结果与分析 | 第52-55页 |
| 5.4.1 实验数据集 | 第52页 |
| 5.4.2 实验结果分析 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |
