社交网络中社区发现算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第二章 社区发现相关理论基础 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 社交网络的表示与特性 | 第22-24页 |
| 2.2.1 社交网络的表示 | 第22-23页 |
| 2.2.2 社交网络的特性 | 第23-24页 |
| 2.3 社区发现算法研究 | 第24-30页 |
| 2.3.1 非重叠社区发现算法 | 第24-27页 |
| 2.3.2 重叠社区发现算法 | 第27-30页 |
| 2.4 实验数据集 | 第30-31页 |
| 2.4.1 真实网络 | 第30-31页 |
| 2.4.2 人工网络 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于信号传递的社区发现 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 基于信号传递的社区发现算法 | 第32-38页 |
| 3.2.1 信号传递 | 第32-33页 |
| 3.2.2 特征提取 | 第33-37页 |
| 3.2.3 算法实现详述 | 第37-38页 |
| 3.3 实验结果与分析 | 第38-41页 |
| 3.3.1 评价指标 | 第38页 |
| 3.3.2 人工网络实验 | 第38-39页 |
| 3.3.3 真实网络实验 | 第39-40页 |
| 3.3.4 参数分析 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于主动学习的半监督社区发现 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 相关工作 | 第42-44页 |
| 4.2.1 模块密度 | 第42-43页 |
| 4.2.2 极值优化模块密度算法 | 第43-44页 |
| 4.3 基于极值优化的半监督社区发现算法 | 第44-46页 |
| 4.3.1 先验信息的形式 | 第44-45页 |
| 4.3.2 结合先验信息到极值优化过程 | 第45-46页 |
| 4.3.3 算法实现详述 | 第46页 |
| 4.4 基于主动学习的先验信息获取算法 | 第46-50页 |
| 4.4.1 算法思想 | 第47页 |
| 4.4.2 算法实现详述 | 第47-50页 |
| 4.5 实验结果与分析 | 第50-55页 |
| 4.5.1 半监督社区发现算法实验 | 第50-54页 |
| 4.5.2 主动学习算法实验 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 基于模糊聚类的重叠社区发现 | 第56-70页 |
| 5.1 引言 | 第56页 |
| 5.2 模糊聚类分析 | 第56-57页 |
| 5.3 基于模糊聚类的重叠社区发现算法 | 第57-63页 |
| 5.3.1 网络数据预处理 | 第57-59页 |
| 5.3.2 初始聚类中心选取 | 第59-61页 |
| 5.3.3 算法实现详述 | 第61-63页 |
| 5.4 实验结果与分析 | 第63-68页 |
| 5.4.1 评价指标 | 第63页 |
| 5.4.2 人工网络实验 | 第63-67页 |
| 5.4.3 真实网络实验 | 第67-68页 |
| 5.5 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70-71页 |
| 6.2 未来工作展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
