复杂网络中的社团结构探测和应用研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究工作的背景与意义 | 第12-14页 |
| 1.2 国内外研究历史与现状 | 第14-17页 |
| 1.2.1 静态社团探测 | 第14-15页 |
| 1.2.2 动态社团探测 | 第15-16页 |
| 1.2.3 社团结构的应用 | 第16-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-19页 |
| 第二章 复杂网络的基础理论 | 第19-41页 |
| 2.1 复杂网络的基本拓扑性质 | 第19-21页 |
| 2.1.1 度与平均度 | 第19-20页 |
| 2.1.2 度的幂律分布 | 第20页 |
| 2.1.3 聚类系数 | 第20-21页 |
| 2.1.4 平均路径长度与直径 | 第21页 |
| 2.2 复杂网络模型 | 第21-27页 |
| 2.2.1 规则网络模型 | 第21-22页 |
| 2.2.2 随机网络模型 | 第22-23页 |
| 2.2.3 小世界网络模型 | 第23-24页 |
| 2.2.4 无标度网络模型 | 第24-25页 |
| 2.2.5 动态网络模型 | 第25-27页 |
| 2.3 社团结构的定义 | 第27-32页 |
| 2.3.1 相关变量 | 第27-28页 |
| 2.3.2 相关定义 | 第28-32页 |
| 2.4 社团结构生成模型 | 第32-36页 |
| 2.4.1 GN静态社团生成模型 | 第32-33页 |
| 2.4.2 LFR静态社团生成模型 | 第33-34页 |
| 2.4.3 SBM动态社团生成模型 | 第34-36页 |
| 2.5 社团质量评价指标 | 第36-40页 |
| 2.5.1 相似度指标 | 第36-39页 |
| 2.5.2 模块度指标 | 第39-40页 |
| 2.6 本章小结 | 第40-41页 |
| 第三章 静态网络中的社团探测研究 | 第41-52页 |
| 3.1 概述 | 第41-42页 |
| 3.2 快速的模拟退火优化算法 | 第42-46页 |
| 3.2.1 RA指标 | 第42-43页 |
| 3.2.2 初始社团划分 | 第43-44页 |
| 3.2.3 模块度优化 | 第44-46页 |
| 3.3 实验结果与分析 | 第46-50页 |
| 3.3.1 实际网络 | 第47-48页 |
| 3.3.2 人工网络 | 第48-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 动态网络中的社团探测及演化研究 | 第52-78页 |
| 4.1 概述 | 第52-53页 |
| 4.2 时间窗口划分方法 | 第53-54页 |
| 4.3 动态社团相关概念 | 第54-56页 |
| 4.4 快速的片社团划分方法 | 第56-65页 |
| 4.4.1 片社团探测 | 第56-59页 |
| 4.4.2 实验结果与分析 | 第59-65页 |
| 4.4.2.1 实际动态网络 | 第59-63页 |
| 4.4.2.2 人工动态网络 | 第63-65页 |
| 4.5 快速的片社团映射方法 | 第65-76页 |
| 4.5.1 片社团探测 | 第65-66页 |
| 4.5.2 社团映射策略 | 第66-68页 |
| 4.5.3 实验结果与分析 | 第68-76页 |
| 4.5.3.1 实际动态网络 | 第69-70页 |
| 4.5.3.2 SBM基准网络 | 第70-72页 |
| 4.5.3.3 LFR基准网络 | 第72-74页 |
| 4.5.3.4 人工动态网络模型 | 第74-76页 |
| 4.6 本章小结 | 第76-78页 |
| 第五章 基于社团的多关键节点识别方法研究 | 第78-92页 |
| 5.1 概述 | 第78-79页 |
| 5.2 一组关键节点识别算法 | 第79-82页 |
| 5.2.1 算法描述 | 第79-81页 |
| 5.2.2 算法复杂度分析 | 第81-82页 |
| 5.3 实验结果与分析 | 第82-90页 |
| 5.3.1 SIR传播模型 | 第82-83页 |
| 5.3.2 社团网络上的性能比较 | 第83-87页 |
| 5.3.2.1 实际网络 | 第83-86页 |
| 5.3.2.2 人工网络 | 第86-87页 |
| 5.3.3 非社团网络上的性能比较 | 第87-90页 |
| 5.4 本章小结 | 第90-92页 |
| 第六章 基于社团的链路预测研究 | 第92-105页 |
| 6.1 概述 | 第92-93页 |
| 6.2 快速的链路预测方法 | 第93-97页 |
| 6.2.1 网络社团划分算法 | 第93-96页 |
| 6.2.2 网络连边概率估计 | 第96-97页 |
| 6.3 实验结果与分析 | 第97-103页 |
| 6.3.1 算法评价指标 | 第98-99页 |
| 6.3.2 网络数据描述 | 第99页 |
| 6.3.3 实验结果 | 第99-100页 |
| 6.3.4 实验分析 | 第100-103页 |
| 6.4 本章小结 | 第103-105页 |
| 第七章 全文总结与展望 | 第105-107页 |
| 7.1 全文工作总结 | 第105-106页 |
| 7.2 后续工作展望 | 第106-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-121页 |
| 攻读博士学位期间取得的成果 | 第121页 |
| 参加的科研项目 | 第121-123页 |
