社会网络社团挖掘若干关键技术研究
摘要 | 第1-12页 |
Abstract | 第12-15页 |
第一章 绪论 | 第15-35页 |
·研究背景 | 第15-22页 |
·社会网络研究 | 第15-19页 |
·社团挖掘研究意义及其挑战 | 第19-22页 |
·相关研究工作 | 第22-27页 |
·同类型节点社会网络社团挖掘技术研究 | 第23页 |
·不完全信息社会网络社团挖掘技术研究 | 第23-24页 |
·二部图社会网络社团挖掘技术研究 | 第24-26页 |
·多类型节点社会网络社团挖掘技术研究 | 第26-27页 |
·本文研究工作与创新 | 第27-32页 |
·主要研究工作 | 第28-30页 |
·主要创新点 | 第30-32页 |
·论文结构 | 第32-35页 |
第二章 多重图社会网络层次化社团并行挖掘方法 | 第35-71页 |
·问题描述 | 第35-39页 |
·相关工作分析 | 第39-40页 |
·层次化社团并行分解静态更新算法 | 第40-48页 |
·问题转换 | 第40-42页 |
·算法描述 | 第42-45页 |
·层次化并行计算流程 | 第45-48页 |
·层次化社团并行分解动态更新算法 | 第48-56页 |
·算法时间复杂度分析 | 第56-58页 |
·S-SNCD 算法时间复杂度分析 | 第56-58页 |
·D-SNCD 算法时间复杂度分析 | 第58页 |
·算法讨论 | 第58-59页 |
·实验分析 | 第59-70页 |
·聚类精度比较 | 第59-62页 |
·案例学习 | 第62-68页 |
·算法性能测试 | 第68-70页 |
·本章小结 | 第70-71页 |
第三章 不完全信息社会网络社团挖掘方法 | 第71-93页 |
·问题描述 | 第71-73页 |
·相关工作分析 | 第73-75页 |
·距离尺度学习 | 第75-77页 |
·基于节点距离的聚类方法 | 第77-83页 |
·基于距离的模块度计算 | 第77-78页 |
·基于距离的层次化聚类算法 | 第78-82页 |
·基于近似社团的加速聚类方法 | 第82-83页 |
·实验分析 | 第83-90页 |
·数据集介绍 | 第83-84页 |
·不完全信息社会网络生成 | 第84-85页 |
·评价指标 | 第85页 |
·对比方法 | 第85-86页 |
·算法效果分析 | 第86-89页 |
·算法效率分析 | 第89-90页 |
·DSHRINK 算法讨论 | 第90-91页 |
·本章小结 | 第91-93页 |
第四章 二部图社会网络重叠社团挖掘方法 | 第93-117页 |
·问题描述 | 第93-96页 |
·相关工作分析 | 第96-97页 |
·基于增益函数的重叠社团模式搜索双聚类算法 | 第97-102页 |
·改进的图像变换双聚类算法 | 第102-106页 |
·实验分析 | 第106-115页 |
·数据集介绍 | 第106-107页 |
·评价指标 | 第107-108页 |
·双聚类效果分析 | 第108-112页 |
·双聚类性能比较 | 第112-113页 |
·案例学习 | 第113-115页 |
·本章小结 | 第115-117页 |
第五章 多类型节点社会网络社团挖掘方法 | 第117-147页 |
·问题描述 | 第117-126页 |
·问题提出 | 第117-120页 |
·目标转换 | 第120-126页 |
·相关工作分析 | 第126-128页 |
·多类型节点社会网络多聚类方法 | 第128-136页 |
·局部近似最优模式贪婪搜索算法 | 第128-132页 |
·全局近似最优模式贪婪搜索算法 | 第132-136页 |
·算法复杂度分析 | 第136-137页 |
·实验分析 | 第137-145页 |
·数据集介绍 | 第137-139页 |
·评价指标 | 第139页 |
·聚类效果分析 | 第139-143页 |
·聚类性能比较 | 第143-145页 |
·本章小结 | 第145-147页 |
第六章 结论与展望 | 第147-150页 |
·总结 | 第147-148页 |
·研究展望 | 第148-150页 |
致谢 | 第150-153页 |
参考文献 | 第153-165页 |
作者在学期间取得的学术成果 | 第165-166页 |
攻读博士学位期间参加的科研项目 | 第166页 |