| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文工作 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 社区发现相关理论与技术 | 第16-22页 |
| 2.1 社区的定义 | 第16页 |
| 2.2 节点相似度及距离度量 | 第16-19页 |
| 2.2.1 余弦相似度和余弦距离 | 第17-18页 |
| 2.2.2 Jaccard相关系数和Jaccard距离 | 第18-19页 |
| 2.3 社区发现的评价指标 | 第19-21页 |
| 2.3.1 归一化互信息 | 第19-20页 |
| 2.3.2 模块度 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于点距离和密度峰值聚类的社区发现方法 | 第22-40页 |
| 3.1 节点距离度量 | 第22-24页 |
| 3.1.1 改进的余弦距离度量 | 第22-23页 |
| 3.1.2 改进的Jaccard距离度量 | 第23-24页 |
| 3.2 密度峰值聚类方法 | 第24-25页 |
| 3.3 基于点距离和密度峰值聚类的社区发现方法 | 第25-27页 |
| 3.3.1 基于改进的余弦距离和密度峰值聚类的社区发现方法—CSDPC . 15 | 第25-26页 |
| 3.3.2 基于改进的Jaccard距离和密度峰值聚类的社区发现方法—JSDPC | 第26-27页 |
| 3.4 实验与结果分析 | 第27-39页 |
| 3.4.1 真实网络数据集 | 第27-35页 |
| 3.4.1.1 数据集描述 | 第28页 |
| 3.4.1.2 实验结果与分析 | 第28-35页 |
| 3.4.2 人工网络数据集 | 第35-39页 |
| 3.4.2.1 数据集描述 | 第35页 |
| 3.4.2.2 实验结果与分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于点距离和凝聚层次聚类的社区发现方法 | 第40-54页 |
| 4.1 节点距离度量 | 第40页 |
| 4.2 层次聚类方法 | 第40-42页 |
| 4.3 基于点距离和凝聚层次聚类的社区发现方法—CSAHC | 第42-43页 |
| 4.4 实验与结果分析 | 第43-53页 |
| 4.4.1 真实网络数据集 | 第43-49页 |
| 4.4.2 人工网络数据集 | 第49-53页 |
| 4.4.2.1 社区数目可以确定 | 第49-51页 |
| 4.4.2.2 社区数目无法确定 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
