| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究的背景 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·论文研究目的和意义 | 第15-17页 |
| ·本文的研究内容 | 第17页 |
| ·本章的组织结构 | 第17-18页 |
| 第2章 网络的图论模型 | 第18-31页 |
| ·图论 | 第18-20页 |
| ·图的基本概念 | 第18-19页 |
| ·邻接矩阵 | 第19-20页 |
| ·复杂网络 | 第20-26页 |
| ·复杂网络的发展 | 第20-22页 |
| ·复杂网络的表示方法 | 第22-26页 |
| ·社交网络 | 第26-30页 |
| ·复杂网络的表示方法 | 第26-28页 |
| ·社区发现 | 第28-29页 |
| ·强社区与弱社区 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 图聚类算法 | 第31-46页 |
| ·图聚类分析表示方法 | 第31-34页 |
| ·图聚类分析中的数据类型 | 第31-32页 |
| ·区间标度度量-距离 | 第32-33页 |
| ·区间标度度量-相似性 | 第33-34页 |
| ·图聚类算法 | 第34-43页 |
| ·划分方法(partitoning method) | 第34-36页 |
| ·层次方法(hierarehieal method) | 第36-38页 |
| ·基于密度的算法(density-based method) | 第38-39页 |
| ·基于网格的算法(grid-based method) | 第39页 |
| ·基于模型的方法(model-based method) | 第39-40页 |
| ·马尔科夫算法-MCL | 第40-41页 |
| ·几何形成的最小生成树聚类-GMC | 第41-43页 |
| ·几种常用算法比较 | 第43-44页 |
| ·图聚类算法特点 | 第44-45页 |
| ·本章主要介绍 | 第45-46页 |
| 第4章 社交网络的图聚类算法应用 | 第46-63页 |
| ·图聚类算法分类 | 第46-47页 |
| ·图论算法 | 第47-50页 |
| ·谱分法 | 第47-50页 |
| ·MFC算法 | 第50页 |
| ·层级算法 | 第50-54页 |
| ·凝聚算法 | 第51页 |
| ·分裂算法-GN算法 | 第51-53页 |
| ·改进的GN算法 | 第53-54页 |
| ·Radicchi算法 | 第54页 |
| ·模块优化算法 | 第54-57页 |
| ·Kernighan-Lin算法 | 第54-56页 |
| ·FN算法 | 第56-57页 |
| ·随机游走算法-FEC | 第57-58页 |
| ·派系过滤算法 | 第58-61页 |
| ·k-派系的定义 | 第58-59页 |
| ·查找k-派系 | 第59页 |
| ·寻找k-社区 | 第59-61页 |
| ·派系算法的特点 | 第61页 |
| ·算法比较 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 基于全局和局部的重叠社区新算法 | 第63-72页 |
| ·重叠社区 | 第63页 |
| ·基本概念 | 第63-65页 |
| ·算法描述 | 第65-67页 |
| ·重叠社区分析 | 第67-68页 |
| ·实验验证及结果分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| ·论文总结 | 第72页 |
| ·研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 攻读学位期间发表的学术论文目录 | 第77-78页 |
| 致谢 | 第78页 |
