| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-15页 |
| ·研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·本文的结构安排 | 第14-15页 |
| 第二章 社交网络基础知识 | 第15-23页 |
| ·社交网络与社区发现 | 第15-19页 |
| ·社交网络基础概念与理论 | 第15-16页 |
| ·社区结构与社区发现概念 | 第16-17页 |
| ·社区质量相关评价标准 | 第17-18页 |
| ·社区发现算法概述 | 第18-19页 |
| ·重叠社区发现算法概述 | 第19-21页 |
| ·基于节点分裂的重叠社区发现 | 第20页 |
| ·派系过滤算法(clique percolation algorithm) | 第20-21页 |
| ·动态社区发现算法概述 | 第21-22页 |
| ·基于静态算法的动态社区发现 | 第21页 |
| ·基于演(进)化思想的动态社区发现 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 社交网络聚类的初始点选择方案 | 第23-30页 |
| ·传统聚类初始中心点选择方法分析 | 第23-24页 |
| ·基于结构洞和强弱关系的初始中心点选取方案 | 第24-27页 |
| ·相关定义 | 第24-25页 |
| ·算法思想 | 第25页 |
| ·SH_SW_IP算法描述 | 第25-26页 |
| ·SH_SW_DP算法描述 | 第26-27页 |
| ·SH_SW_IP与SH_SW_DP算法时间复杂度分析 | 第27页 |
| ·实验结果分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 社交网络的一种模糊聚类算法 | 第30-39页 |
| ·社交网络下的FCM算法分析 | 第30-31页 |
| ·节点相似度构造方法 | 第31-34页 |
| ·基于局部信息的相似度 | 第31-32页 |
| ·基于最短路径的相似度 | 第32页 |
| ·SCCFCM算法中的节点相似度 | 第32-34页 |
| ·模糊聚类与重叠社区发现 | 第34-36页 |
| ·重叠社区发现问题描述 | 第34页 |
| ·SCCFCM基本思想 | 第34页 |
| ·SCCFCM算法中心点更新方案 | 第34-35页 |
| ·SCCFCM算法描述 | 第35-36页 |
| ·算法时间复杂度分析 | 第36页 |
| ·实验结果与分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于遗忘因子的社交网络演(进)化聚类算法 | 第39-50页 |
| ·演(进)化聚类算法 | 第39-41页 |
| ·演(进)化FCM算法 | 第40-41页 |
| ·动态网络中遗忘因子确定方案 | 第41-43页 |
| ·传统算法遗忘因子确定方法 | 第41页 |
| ·ESCCFCM算法中遗忘因子确定方案 | 第41-43页 |
| ·演(进)化聚类与动态社区发现 | 第43-45页 |
| ·动态社区发现问题描述 | 第44页 |
| ·ESCCFCM算法基本思想 | 第44页 |
| ·ESCCFCM算法描述 | 第44-45页 |
| ·实验结果与分析 | 第45-49页 |
| ·数据集 | 第45-47页 |
| ·遗忘因子α确定 | 第47-48页 |
| ·ESCCFCM算法有效性 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 个人简历 | 第55-56页 |
| 在学期间的研究成果及发表的学术论文 | 第56页 |