复杂网络中重叠社区发现算法的研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 研究内容与创新点 | 第10-11页 |
| 1.4 文章组织架构 | 第11-12页 |
| 2 相关理论与研究现状 | 第12-29页 |
| 2.1 复杂网络基本概念和性质 | 第12-14页 |
| 2.1.1 网络的图表示 | 第12页 |
| 2.1.2 路径长度 | 第12-13页 |
| 2.1.3 聚类系数 | 第13页 |
| 2.1.4 度和度的分布 | 第13-14页 |
| 2.2 复杂网络模型 | 第14-16页 |
| 2.2.1 规则网络模型 | 第14页 |
| 2.2.2 随机网络模型 | 第14-15页 |
| 2.2.3 小世界网络模型 | 第15-16页 |
| 2.2.4 无标度网络模型 | 第16页 |
| 2.3 社区结构 | 第16-17页 |
| 2.4 非重叠社区发现问题的研究现状 | 第17-22页 |
| 2.4.1 凝聚与分裂算法 | 第17-19页 |
| 2.4.2 基于信息论的方法 | 第19-20页 |
| 2.4.3 基于模块度的优化算法 | 第20-22页 |
| 2.5 重叠社区发现问题的研究现状 | 第22-25页 |
| 2.5.1 派系过滤算法相关（CPM） | 第22-23页 |
| 2.5.2 基于边划分的方法 | 第23页 |
| 2.5.3 基于标签传播的方法 | 第23页 |
| 2.5.4 基于AGM模型的社区发现算法 | 第23-24页 |
| 2.5.5 其他算法 | 第24-25页 |
| 2.6 社区结构的评价标准 | 第25-27页 |
| 2.7 本章小结 | 第27-29页 |
| 3 基于Node Rank的重叠社区发现算法 | 第29-42页 |
| 3.1 相关概念与定义 | 第29-32页 |
| 3.2 基于NodeRank的适应度函数 | 第32-34页 |
| 3.3 算法描述 | 第34-36页 |
| 3.4 时间复杂度分析 | 第36页 |
| 3.5 实验分析 | 第36-41页 |
| 3.5.1 仿真演示 | 第36-37页 |
| 3.5.2 karate网络实验 | 第37-40页 |
| 3.5.3 参数分析 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 4 基于局部函数优化的重叠社区发现算法 | 第42-55页 |
| 4.1 引言 | 第42-44页 |
| 4.2 对LFM算法的改进 | 第44-47页 |
| 4.2.1 QLFM算法 | 第44-45页 |
| 4.2.2 ECLFM算法 | 第45-47页 |
| 4.3 时间复杂度分析 | 第47页 |
| 4.4 实验及分析 | 第47-54页 |
| 4.4.1 实验环境 | 第47页 |
| 4.4.2 实验数据 | 第47-48页 |
| 4.4.3 时间效率比较 | 第48-49页 |
| 4.4.4 社区质量比较 | 第49-53页 |
| 4.4.5 参数的影响 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 5 总结及展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
| A. 作者在读研阶段已发表的论文 | 第61页 |
| B. 作者在读研阶段所获奖励 | 第61页 |
