| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-19页 |
| 1.3.1 引力场和数据场模型研究现状 | 第15页 |
| 1.3.2 社团挖掘研究现状 | 第15-17页 |
| 1.3.3 链接预测研究现状 | 第17-19页 |
| 1.4 研究内容及本文组织结构 | 第19-21页 |
| 1.4.1 研究内容 | 第19-20页 |
| 1.4.2 本文组织结构 | 第20-21页 |
| 第二章 复杂网络场模型的提出 | 第21-33页 |
| 2.1 数域空间数据场模型简介 | 第21-23页 |
| 2.1.1 数域空间重力场模型 | 第21-22页 |
| 2.1.2 数域空间核力场模型 | 第22-23页 |
| 2.2 复杂网络引力场模型简介 | 第23-25页 |
| 2.2.1 复杂网络 | 第23-24页 |
| 2.2.2 复杂网络引力场模型 | 第24-25页 |
| 2.3 复杂网络场模型的提出 | 第25-31页 |
| 2.3.1 复杂网络场模型的物理启发 | 第26-27页 |
| 2.3.2 复杂网络场模型 | 第27-29页 |
| 2.3.3 复杂网络场模型应用举例 | 第29-30页 |
| 2.3.4 复杂网络场模型与引力场模型的联系与区别 | 第30-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于复杂网络场模型的社团挖掘方法 | 第33-53页 |
| 3.1 社团挖掘算法简介 | 第33-34页 |
| 3.2 基于场模型的社团挖掘方法 | 第34-39页 |
| 3.2.1 社团挖掘场的构造 | 第35-36页 |
| 3.2.2 基于场模型的社团挖掘算法 | 第36-37页 |
| 3.2.3 复杂度分析 | 第37页 |
| 3.2.4 算法在现实网络中社团检测过程示例 | 第37-39页 |
| 3.3 基于场的社团挖掘算法性能评估 | 第39-49页 |
| 3.3.1 社团挖掘算法标准测试网络简介 | 第39-42页 |
| 3.3.2 社团划分准确性评估度量 | 第42-43页 |
| 3.3.3 已知社团结构的仿真网络上性能对比 | 第43-44页 |
| 3.3.4 已知社团结构的现实网络上性能对比 | 第44-47页 |
| 3.3.5 未知社团结构现实网络上社团检测能力 | 第47-49页 |
| 3.4 场算法统计性能分析 | 第49-52页 |
| 3.4.1 优化阶段合并次数统计 | 第50页 |
| 3.4.2 划分性能与模块度关系分析 | 第50-51页 |
| 3.4.3 场算法假设统计验证 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于复杂网络场模型的链接预测方法 | 第53-65页 |
| 4.1 链接预测算法简介 | 第53-55页 |
| 4.2 基于场的链接预测算法 | 第55-58页 |
| 4.2.1 链接预测场的构造 | 第56页 |
| 4.2.2 基于场的链接预测算法 | 第56-58页 |
| 4.3 实验与分析 | 第58-64页 |
| 4.3.1 实验数据集 | 第58-59页 |
| 4.3.2 链接预测准确性评估指标 | 第59页 |
| 4.3.3 链接预测算法在现实网络中准确性对比 | 第59-63页 |
| 4.3.4 场预测算法的现实意义 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的研究成果 | 第77页 |