| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文章节安排 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 社区挖掘算法概论 | 第16-28页 |
| 2.1 相关概念及符号定义 | 第16-19页 |
| 2.1.1 社会网络 | 第16页 |
| 2.1.2 社区结构 | 第16-18页 |
| 2.1.3 动态网络特性 | 第18页 |
| 2.1.4 模块度Q | 第18页 |
| 2.1.5 准确率AC | 第18-19页 |
| 2.1.6 稳定度S | 第19页 |
| 2.2 静态社会网络中社区发现的主要算法 | 第19-23页 |
| 2.2.1 基于图分解的方法 | 第19-20页 |
| 2.2.2 基于社会学的方法 | 第20-21页 |
| 2.2.3 Girvan-Newman算法 | 第21-23页 |
| 2.3 动态网络社区发现的主要算法 | 第23-27页 |
| 2.3.1 基于改进k-均值的高质量社区发现算法 | 第23-26页 |
| 2.3.2 动态社会关系网络社区结构的IC算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于增量分析的动态社区发现算法 | 第28-42页 |
| 3.1 相关知识 | 第28-30页 |
| 3.1.1 定义与符号表示 | 第28-29页 |
| 3.1.2 网络增量 | 第29-30页 |
| 3.2 算法的主要思想 | 第30页 |
| 3.3 算法的分析与具体实现 | 第30-40页 |
| 3.3.1 改变某个节点的社区归属 | 第30-32页 |
| 3.3.2 增加边 | 第32-34页 |
| 3.3.3 删除边 | 第34-37页 |
| 3.3.4 增加点 | 第37-38页 |
| 3.3.5 删除点 | 第38-39页 |
| 3.3.6 CFIA算法 | 第39-40页 |
| 3.4 算法复杂度分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 实验结果与分析 | 第42-53页 |
| 4.1 实验数据描述 | 第42-43页 |
| 4.2 参数选择 | 第43-44页 |
| 4.3 结果分析 | 第44-52页 |
| 4.3.1 时间片上的动态网络 | 第44-46页 |
| 4.3.2 社区结构的可视化 | 第46-49页 |
| 4.3.3 基于增量分析的动态网络社区发现算法CFIA与其他传统算法比较 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 研究生期间参加的项目 | 第59-60页 |
| 致谢 | 第60页 |