| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 符号对照表 | 第11-14页 |
| 1 绪论 | 第14-26页 |
| 1.1 引言 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-23页 |
| 1.3 本文的主要内容 | 第23-24页 |
| 1.4 本文的章节安排 | 第24-26页 |
| 2 复杂网络中的概念、模型和算法 | 第26-50页 |
| 2.1 复杂网络基本概念 | 第26-28页 |
| 2.2 复杂网络典型拓扑模型 | 第28-37页 |
| 2.3 复杂网络传播模型 | 第37-42页 |
| 2.4 关键节点的识别算法简介 | 第42-49页 |
| 2.5 本章小结 | 第49-50页 |
| 3 基于传播概率异质性的复杂网络信息传播研究 | 第50-69页 |
| 3.1 引言 | 第50-53页 |
| 3.2 加权网络中信息传播模型 | 第53-55页 |
| 3.3 加权网络信息传播效率分析 | 第55-63页 |
| 3.4 促进信息传播的链接强度计算方法 | 第63-68页 |
| 3.5 本章小结 | 第68-69页 |
| 4 基于贝叶斯和半环模型的关键节点识别方法 | 第69-87页 |
| 4.1 引言 | 第69-72页 |
| 4.2 基于贝叶斯和半环代数模型的节点影响力计算机制 | 第72-79页 |
| 4.3 基于小世界传播性质的节点综合影响力的计算 | 第79-81页 |
| 4.4 仿真与分析 | 第81-86页 |
| 4.5 本章小结 | 第86-87页 |
| 5 基于图信号处理模型的关键节点识别方法 | 第87-110页 |
| 5.1 引言 | 第87-90页 |
| 5.2 节点异质性分析及图信号的获取 | 第90-94页 |
| 5.3 基于图信号处理的关键节点识别方法 | 第94-97页 |
| 5.4 仿真分析 | 第97-109页 |
| 5.5 本章小结 | 第109-110页 |
| 6 总结与展望 | 第110-113页 |
| 6.1 全文总结 | 第110-111页 |
| 6.2 研究展望 | 第111-113页 |
| 致谢 | 第113-115页 |
| 参考文献 | 第115-121页 |
| 附录1 攻读学位期间发表的学术论文 | 第121页 |