| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 目录 | 第10-15页 |
| 表索引 | 第15-16页 |
| 图索引 | 第16-20页 |
| 第一章 绪论 | 第20-34页 |
| ·课题研究背景与研究意义 | 第21-26页 |
| ·基于图理论的模式识别问题 | 第21-24页 |
| ·随机图理论 | 第24-26页 |
| ·国内外研究现状 | 第26-29页 |
| ·本文主要研究内容与创新之处 | 第29-31页 |
| ·本文的组织结构 | 第31-34页 |
| 第二章 随机点积图理论 | 第34-52页 |
| ·引言 | 第34-35页 |
| ·随机点积图模型与性质 | 第35-40页 |
| ·随机点积图的最优化求解 | 第40-45页 |
| ·随机点积图求解的目标函数 | 第40-41页 |
| ·关联图的随机点积图重构 | 第41-42页 |
| ·简单图的随机点积图重构 | 第42-45页 |
| ·随机点积重构的作用 | 第45-51页 |
| ·节点更新 | 第45-46页 |
| ·向量对齐 | 第46-47页 |
| ·数据丢失 | 第47-48页 |
| ·随机点积赋值的一致性 | 第48-50页 |
| ·节点的划分 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第三章 基于随机点积图的自动图像标注 | 第52-84页 |
| ·引言 | 第52-57页 |
| ·自动图像标注概念 | 第52-53页 |
| ·基于图的自动标注 | 第53-55页 |
| ·相关研究工作 | 第55-57页 |
| ·图像标注的关联图模型 | 第57-64页 |
| ·图像区域间相似关系 | 第57-58页 |
| ·图像区域与词汇间相似关系 | 第58-60页 |
| ·词汇间相似关系 | 第60-63页 |
| ·图像标注关联图的构造 | 第63-64页 |
| ·随机点积图对图像标注关联图重构 | 第64-72页 |
| ·关联图中的数据丢失 | 第64-68页 |
| ·随机点积图对丢失数据的挖掘 | 第68-72页 |
| ·基于随机点积图的自动图像标注算法 | 第72-73页 |
| ·实验结果与分析 | 第73-82页 |
| ·实验数据集 | 第73-74页 |
| ·实验评价标准 | 第74-75页 |
| ·标注结果的对比实验与时间复杂度分析 | 第75-78页 |
| ·随机点积图重构效果 | 第78-80页 |
| ·随机赋值参数d对结果的影响 | 第80-81页 |
| ·图像库规模对结果的影响 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第四章 基于随机点积图的多社团属性关系传播算法 | 第84-112页 |
| ·引言 | 第84-89页 |
| ·网络的多社团结构 | 第84-86页 |
| ·属性关系的跨社团分布 | 第86-88页 |
| ·相关研究工作 | 第88-89页 |
| ·社团的属性关系图构造 | 第89-90页 |
| ·基于Laplacian的单一社团属性关系扩散 | 第90-95页 |
| ·图的Laplacian矩阵与谱聚类 | 第90-92页 |
| ·Laplacian特征映射与Laplacian图扩散 | 第92-95页 |
| ·基于随机点积图的多社团属性关系传播算法 | 第95-100页 |
| ·属性关系W的点积更新 | 第95-97页 |
| ·图的Laplacian矩阵随机点积重构 | 第97-98页 |
| ·属性类别分数g的随机点积图求解 | 第98-100页 |
| ·实验结果与分析 | 第100-110页 |
| ·实验设计 | 第100-101页 |
| ·属性类别确定与图的构造 | 第101-102页 |
| ·评价标准 | 第102-103页 |
| ·结果与比较 | 第103-106页 |
| ·参数的影响 | 第106页 |
| ·负相关性的影响 | 第106-107页 |
| ·属性关系估计方法的影响 | 第107-108页 |
| ·模型特征性能的影响 | 第108页 |
| ·与已有方法的比较 | 第108-109页 |
| ·运行时间 | 第109-110页 |
| ·本章小结 | 第110-112页 |
| 第五章 保持模长归一化的随机点积图模型 | 第112-140页 |
| ·引言 | 第112-117页 |
| ·关联图随机点积化的模长影响 | 第112-114页 |
| ·关联图的嵌入方法 | 第114-115页 |
| ·相关研究工作 | 第115-117页 |
| ·关系数据保持模长归一的随机点积化 | 第117-126页 |
| ·关系数据保持模长归一的随机点积化的目标函数 | 第117-120页 |
| ·Laplacian核的模长归一化保持 | 第120-122页 |
| ·目标函数求解与收敛性分析 | 第122-123页 |
| ·初始节点赋值的选取 | 第123-126页 |
| ·特征数据保持模长归一的随机点积化 | 第126-132页 |
| ·特征数据保持模长归一的随机点积化的目标函数 | 第126-128页 |
| ·目标函数求解与收敛性分析 | 第128-132页 |
| ·实验结果与分析 | 第132-138页 |
| ·实验所用数据库 | 第132-133页 |
| ·比较方法 | 第133-134页 |
| ·重构效果 | 第134-135页 |
| ·聚类精度评价标准 | 第135-136页 |
| ·聚类实验与结果 | 第136-137页 |
| ·算法收敛性 | 第137-138页 |
| ·本章小结 | 第138-140页 |
| 第六章 基于保持模长归一化随机点积图的网络攻击检测算法 | 第140-170页 |
| ·引言 | 第140-143页 |
| ·复杂网络的随机点图表示 | 第140-142页 |
| ·社会网络中的攻击行为与相关研究工作 | 第142-143页 |
| ·社会网络的拓扑结构与谱分析 | 第143-153页 |
| ·社会网络的谱分析 | 第143-146页 |
| ·网络社团结构的扰动谱 | 第146-150页 |
| ·协同攻击的谱特征 | 第150-153页 |
| ·保持模长归一化的随机点积图的谱分析 | 第153-156页 |
| ·基于保持模长归一化随机点积图的网络攻击检测 | 第156-164页 |
| ·随机连接攻击检测 | 第156-162页 |
| ·二部核攻击检测 | 第162-163页 |
| ·分布式拒绝服务攻击检测 | 第163-164页 |
| ·实验 | 第164-169页 |
| ·数据集和实验环境 | 第165页 |
| ·网络攻击检测精确度 | 第165-167页 |
| ·运行时间 | 第167-168页 |
| ·保持模长归一化对攻击检测的影响 | 第168-169页 |
| ·本章小结 | 第169-170页 |
| 第七章 总结与展望 | 第170-174页 |
| ·总结 | 第170-172页 |
| ·工作展望 | 第172-174页 |
| 参考文献 | 第174-194页 |
| 攻读博士学位期间发表的学术论文 | 第194-196页 |
| 攻读博士学位期间参加的研究项目 | 第196-198页 |
| 致谢 | 第198-199页 |