| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-14页 |
| 1.2 复杂网络社区挖掘的国内外研究现状 | 第14-15页 |
| 1.3 本文的研究内容及组织结构 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 组织结构 | 第16-18页 |
| 第2章 复杂网络社区挖掘技术概述 | 第18-30页 |
| 2.1 复杂网络与图的基础理论 | 第18-20页 |
| 2.1.1 图的基本理论 | 第18页 |
| 2.1.2 图的矩阵表示 | 第18-20页 |
| 2.1.3 复杂网络的图表示 | 第20页 |
| 2.2 社区定义 | 第20-22页 |
| 2.2.1 基于局部信息的社区定义 | 第20-22页 |
| 2.2.2 基于全局信息的社区定义 | 第22页 |
| 2.2.3 基于结点相似度的社区定义 | 第22页 |
| 2.3 网络模块度 | 第22-24页 |
| 2.4 代表性的复杂网络社区挖掘算法 | 第24-29页 |
| 2.4.1 基于图形分割的社区挖掘算法 | 第24-25页 |
| 2.4.2 基于层次聚类的社区挖掘算法 | 第25-28页 |
| 2.4.3 基于模拟退火的社区挖掘算法 | 第28页 |
| 2.4.4 基于遗传算法的社区挖掘算法 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于局部模块度变异算子的复杂网络社区挖掘算法 | 第30-38页 |
| 3.1 引言 | 第30-31页 |
| 3.2 算法描述 | 第31-34页 |
| 3.2.1 个体编码及种群初始化 | 第31-32页 |
| 3.2.2 适应度函数 | 第32页 |
| 3.2.3 交叉算子 | 第32页 |
| 3.2.4 基于局部模块度的变异算子 | 第32-33页 |
| 3.2.5 选择算子 | 第33页 |
| 3.2.6 算法流程 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第４章 基于最小生成树聚类交叉算子的复杂网络社区挖掘算法 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 算法描述 | 第38-41页 |
| 4.2.1 最小生成树聚类交叉算子 | 第38-40页 |
| 4.2.2 算法流程 | 第40-41页 |
| 4.3 实验结果及分析 | 第41-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 融合聚类和双种群思想改进遗传算法的复杂网络社区挖掘算法 | 第48-58页 |
| 5.1 引言 | 第48页 |
| 5.2 融合聚类和双种群思想改进的遗传算法 | 第48-54页 |
| 5.2.1 改进的最小生成树聚类 | 第48-49页 |
| 5.2.2 算法描述 | 第49-51页 |
| 5.2.3 算法流程 | 第51-52页 |
| 5.2.4 实验结果及分析 | 第52-54页 |
| 5.3 基于 CDPGA 的复杂网络社区挖掘方法 | 第54-57页 |
| 5.3.1 算法流程 | 第54-55页 |
| 5.3.2 实验结果及分析 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-66页 |
| 致谢 | 第66页 |
