基于模糊数学的社区发现算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题的研究背景及意义 | 第9-11页 |
| 1.1.1 课题的研究背景 | 第9-11页 |
| 1.1.2 课题的研究意义 | 第11页 |
| 1.2 社区发现的基础理论 | 第11-14页 |
| 1.2.1 模块度 | 第11-13页 |
| 1.2.2 评价指标 | 第13-14页 |
| 1.3 社区发现研究现状 | 第14-19页 |
| 1.4 本文研究内容 | 第19-20页 |
| 1.5 本文论文结构 | 第20页 |
| 1.6 本章总结 | 第20-21页 |
| 第2章 模糊数学理论基础 | 第21-29页 |
| 2.1 模糊数学 | 第21-22页 |
| 2.1.1 模糊数学的概念 | 第21页 |
| 2.1.2 模糊数学的应用 | 第21-22页 |
| 2.2 模糊集合 | 第22-24页 |
| 2.2.1 模糊集的定义 | 第22页 |
| 2.2.2 模糊集的运算 | 第22-23页 |
| 2.2.3 模糊集的表示方法 | 第23页 |
| 2.2.4 截集 | 第23页 |
| 2.2.5 隶属度函数 | 第23-24页 |
| 2.3 模糊聚类分析 | 第24-28页 |
| 2.3.1 模糊聚类分析简介 | 第24页 |
| 2.3.2 模糊矩阵简介 | 第24-25页 |
| 2.3.3 模糊聚类分析常用关系 | 第25-26页 |
| 2.3.4 模糊聚类分析步骤 | 第26-28页 |
| 2.4 本章总结 | 第28-29页 |
| 第3章 基于模糊数学的社区发现算法 | 第29-45页 |
| 3.1 算法基本思想 | 第29页 |
| 3.2 算法基础知识 | 第29-31页 |
| 3.2.1 节点密度 | 第29-30页 |
| 3.2.2 相似度 | 第30-31页 |
| 3.3 社区发现算法 | 第31-41页 |
| 3.3.1 阈值的选取方法 | 第31-32页 |
| 3.3.2 初始化社区算法 | 第32-34页 |
| 3.3.3 用模糊聚类分析合并社区 | 第34-37页 |
| 3.3.4 用局部模块度合并社区 | 第37-38页 |
| 3.3.5 用局部模块度合并孤立节点 | 第38-40页 |
| 3.3.6 用节点影响力合并模糊节点 | 第40-41页 |
| 3.4 算法流程 | 第41-44页 |
| 3.5 本章总结 | 第44-45页 |
| 第4章 实验分析 | 第45-57页 |
| 4.1 实验数据 | 第45页 |
| 4.2 实验环境 | 第45页 |
| 4.3 实验结果 | 第45-55页 |
| 4.3.1 跆拳道俱乐部 | 第46-48页 |
| 4.3.2 海豚社交网络 | 第48-50页 |
| 4.3.3 美国政治书 | 第50-53页 |
| 4.3.4 大学足球队 | 第53-55页 |
| 4.4 结果分析 | 第55页 |
| 4.5 时间效率分析 | 第55-56页 |
| 4.6 本章总结 | 第56-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间取得学术成果 | 第62页 |
