| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11-12页 |
| 1.2 复杂网络社区发现研究发展 | 第12-15页 |
| 1.2.1 社区发现的难点 | 第12-13页 |
| 1.2.2 层次聚类 | 第13页 |
| 1.2.3 最优化方法 | 第13-14页 |
| 1.2.4 分块模型 | 第14-15页 |
| 1.3 研究目的及内容 | 第15-16页 |
| 1.4 文章结构与章节安排 | 第16-17页 |
| 第2章 复杂网络重叠社区发现研究综述 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 重叠社区发现算法 | 第17-23页 |
| 2.2.1 Infomap方法 | 第17-18页 |
| 2.2.2 团过滤方法 | 第18-19页 |
| 2.2.3 边图与边划分 | 第19页 |
| 2.2.4 局部扩张与优化 | 第19-21页 |
| 2.2.5 模糊社区发现方法 | 第21-22页 |
| 2.2.6 基于Agent的动力学算法 | 第22-23页 |
| 2.3 重叠社区发现的评价方法 | 第23-28页 |
| 2.3.1 社区发现评价问题的难点 | 第23-24页 |
| 2.3.2 三种社区评价方法介绍 | 第24-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 改进的Link Community边社区发现方法 | 第29-37页 |
| 3.1 引言 | 第29-30页 |
| 3.2 Link Community边社区发现方法改进研究 | 第30-32页 |
| 3.2.1 Link Community方法的改进依据 | 第30页 |
| 3.2.2 边的相似度的改进 | 第30-31页 |
| 3.2.3 聚类方法的改进 | 第31-32页 |
| 3.3 测试实验与结果分析 | 第32-36页 |
| 3.3.1 测试网络与评价指标 | 第32页 |
| 3.3.2 实验结果及分析 | 第32-36页 |
| 3.4 小结 | 第36-37页 |
| 第4章 基于边聚类的二部图重叠社区发现研究 | 第37-53页 |
| 4.1 研究背景 | 第37-40页 |
| 4.1.1 研究现状 | 第37页 |
| 4.1.2 模块度优化方法 | 第37-38页 |
| 4.1.3 网络压缩方法 | 第38-39页 |
| 4.1.4 联合聚类方法 | 第39-40页 |
| 4.2 基于边聚类的重叠社区发现算法设计 | 第40-44页 |
| 4.2.1 二部图边的相似度 | 第40-42页 |
| 4.2.2 算法流程与复杂度分析 | 第42-43页 |
| 4.2.3 二部图中社区的划分密度 | 第43-44页 |
| 4.3 测试实验与结果分析 | 第44-51页 |
| 4.3.1 人工合成的数据集 | 第44-46页 |
| 4.3.2 Southern Women数据集 | 第46-49页 |
| 4.3.3 大型真实网络数据集 | 第49-51页 |
| 4.4 小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-62页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第62-63页 |
| 附录B (攻读学位期间参与的科研课题) | 第63页 |
