基于一致性动力学的网络社团识别研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 复杂网络的研究背景与意义 | 第10-12页 |
| 1.2 复杂网络的研究概况 | 第12-14页 |
| 1.3 本文的内容及组织安排 | 第14-15页 |
| 第2章 复杂网络社团识别 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 复杂网络的表示 | 第15-16页 |
| 2.3 复杂网络的结构特征 | 第16-18页 |
| 2.3.1 节点度与度的分布 | 第16-17页 |
| 2.3.2 路径与节点距离 | 第17页 |
| 2.3.3 网络直径与平均路径长度 | 第17-18页 |
| 2.4 社团识别的研究意义 | 第18-20页 |
| 2.5 社团识别的研究现状 | 第20-25页 |
| 2.5.1 图分割法 | 第20-22页 |
| 2.5.2 层次聚类法 | 第22-23页 |
| 2.5.3 GN算法 | 第23页 |
| 2.5.4 基于模块度的方法 | 第23-24页 |
| 2.5.5 基于网络动力学的方法 | 第24-25页 |
| 2.6 算法的评价标准 | 第25-26页 |
| 2.6.1 划分准确度 | 第25-26页 |
| 2.6.2 计算复杂度 | 第26页 |
| 2.7 小结 | 第26-27页 |
| 第3章 基于一致性过程的社团识别方法 | 第27-51页 |
| 3.1 引言 | 第27页 |
| 3.2 群体一致性动力学 | 第27-30页 |
| 3.3 建立一致性动力学与社团结构之间的联系 | 第30页 |
| 3.4 算法1 | 第30-32页 |
| 3.4.1 识别机制 | 第30-31页 |
| 3.4.2 观测量设计 | 第31-32页 |
| 3.5 算法2 | 第32-33页 |
| 3.5.1 识别机制 | 第32页 |
| 3.5.2 观测量设计 | 第32-33页 |
| 3.6 算法关键技术 | 第33-36页 |
| 3.7 两个算法的分析与比较 | 第36-39页 |
| 3.8 算法的测试结果 | 第39-47页 |
| 3.8.1 随机网络 | 第39-40页 |
| 3.8.2 规则网络 | 第40-41页 |
| 3.8.3 预设l-划分模型 | 第41-43页 |
| 3.8.4 分层次无标度网络 | 第43-44页 |
| 3.8.5 分层次预设l-划分模型 | 第44-46页 |
| 3.8.6 空手道俱乐部网络 | 第46-47页 |
| 3.8.7 海豚社会关系网 | 第47页 |
| 3.9 算法的详细演示 | 第47-50页 |
| 3.9.1 算法1的演示 | 第48-49页 |
| 3.9.2 算法2的演示 | 第49-50页 |
| 3.10 小结 | 第50-51页 |
| 第4章 基于一致性和空间变换的社团识别算法 | 第51-67页 |
| 4.1 引言 | 第51页 |
| 4.2 算法思想 | 第51-52页 |
| 4.3 算法实现步骤 | 第52-54页 |
| 4.4 算法关键技术 | 第54-57页 |
| 4.4.1 气体扩散时间 | 第54-55页 |
| 4.4.2 最近邻参数 | 第55-57页 |
| 4.5 算法测试结果 | 第57-66页 |
| 4.5.1 计算机生成网络 | 第57-60页 |
| 4.5.2 空手道俱乐部网络 | 第60-61页 |
| 4.5.3 海豚社会关系网 | 第61-62页 |
| 4.5.4 美国大学橄榄球比赛网络 | 第62-66页 |
| 4.6 小结 | 第66-67页 |
| 第5章 网络的社团一致性问题 | 第67-79页 |
| 5.1 引言 | 第67页 |
| 5.2 社团一致的问题描述 | 第67-68页 |
| 5.3 社团一致的充分条件 | 第68-71页 |
| 5.4 收敛空间分析 | 第71-73页 |
| 5.5 仿真 | 第73-78页 |
| 5.6 小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 全文总结 | 第79-80页 |
| 6.2 工作展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文 | 第86页 |
