| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-14页 |
| ·研究背景 | 第10-12页 |
| ·复杂网络 | 第10-11页 |
| ·半监督学习 | 第11页 |
| ·社区发现 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文的组织结构 | 第13-14页 |
| 2 社区发现方法 | 第14-26页 |
| ·谱方法 | 第14页 |
| ·基于局部搜索的社区发现方法 | 第14-17页 |
| ·Kernighan-Liu算法 | 第14-15页 |
| ·快速Newman算法 | 第15-16页 |
| ·Guinera-Amaral算法 | 第16-17页 |
| ·启发式社区发现方法 | 第17-22页 |
| ·Maximum Flow Community算法 | 第17-18页 |
| ·Hyperlink Induced Topic Search算法 | 第18页 |
| ·Girvan-Newman算法 | 第18-20页 |
| ·Wu-Huberman算法 | 第20-21页 |
| ·Clique Percolation Method算法 | 第21-22页 |
| ·其他社区发现方法 | 第22-24页 |
| ·Label Propagation Algorithm算法 | 第22-23页 |
| ·LPA算法的一种改进LPAm | 第23-24页 |
| ·社区发现方法研究现状分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 半监督学习 | 第26-34页 |
| ·半监督学习的历史 | 第26页 |
| ·半监督学习的基本假设 | 第26-27页 |
| ·半监督学习方法 | 第27-31页 |
| ·生成式模型 | 第27-28页 |
| ·协同训练 | 第28-29页 |
| ·基于图的半监督学习 | 第29-31页 |
| ·半监督学习在聚类中的应用 | 第31-32页 |
| ·一些半监督聚类算法 | 第32-33页 |
| ·COP-KMENAS算法 | 第32页 |
| ·CCL算法 | 第32-33页 |
| ·PC-KMENAS算法 | 第33页 |
| ·本章小结 | 第33-34页 |
| 4 一种新的半监督社区发现方法 | 第34-41页 |
| ·LPAS算法 | 第34-36页 |
| ·SLPAS算法 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 5 实验及结果分析 | 第41-49页 |
| ·实验数据 | 第41-42页 |
| ·人工网络 | 第41页 |
| ·真实网络 | 第41-42页 |
| ·实验结果及分析 | 第42-48页 |
| ·人工网络 | 第42-45页 |
| ·真实网络 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-50页 |
| ·工作总结 | 第49页 |
| ·工作展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 作者简历 | 第52-54页 |
| 学位论文数据集 | 第54页 |
