基于粒子群优化算法的复杂网络社区挖掘
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及选题意义 | 第9-12页 |
| 1.1.1 社会计算与大数据 | 第9-10页 |
| 1.1.2 网络社区结构研究背景 | 第10页 |
| 1.1.3 网络社区结构研究现状 | 第10-11页 |
| 1.1.4 粒子群优化算法研究背景 | 第11-12页 |
| 1.1.5 粒子群优化算法研究现状 | 第12页 |
| 1.2 论文主要工作 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 复杂网络社区结构分析 | 第15-25页 |
| 2.1 复杂网络基本理论 | 第15-17页 |
| 2.2 复杂网络的研究内容及基本特性 | 第17-19页 |
| 2.3 复杂网络中的社区结构 | 第19-21页 |
| 2.4 网络社区挖掘现状 | 第21-24页 |
| 2.4.1 基于划分的网络社区挖掘方法 | 第22页 |
| 2.4.2 基于模块度的优化方法 | 第22-23页 |
| 2.4.3 基于标签传播的社区挖掘方法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 求解社区挖掘任务的粒子群算法设计 | 第25-35页 |
| 3.1 粒子群优化算法概述 | 第25-28页 |
| 3.2 本文算法描述 | 第28-30页 |
| 3.3 粒子的表示 | 第30-31页 |
| 3.4 粒子的状态更新 | 第31-32页 |
| 3.5 粒子适应度函数 | 第32-33页 |
| 3.6 粒子局部学习策略 | 第33-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第四章 算法实验测试与分析 | 第35-43页 |
| 4.1 测试环境及对比算法 | 第35页 |
| 4.1.1 硬件软件环境 | 第35页 |
| 4.1.2 对比算法 | 第35页 |
| 4.2 算法性能评定 | 第35-36页 |
| 4.3 实验测试数据 | 第36-37页 |
| 4.3.1 模拟网络数据 | 第36页 |
| 4.3.2 真实网络数据 | 第36-37页 |
| 4.4 模拟网络实验测试 | 第37-39页 |
| 4.5 真实网络数据测试 | 第39-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 总结和展望 | 第43-45页 |
| 5.1 论文总结 | 第43页 |
| 5.2 研究展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 作者简介 | 第51页 |
