| 作者简介 | 第2-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-24页 |
| §1.1 引言 | 第12-13页 |
| §1.2 复杂网络发展史 | 第13-15页 |
| §1.3 复杂网络社团检测 | 第15-22页 |
| 1.3.1 社团检测意义 | 第15-16页 |
| 1.3.2 社团检测发展近况 | 第16-21页 |
| 1.3.3 机遇与挑战 | 第21-22页 |
| §1.4 本文工作与组织 | 第22-24页 |
| 第二章 复杂网络社团结构的泛化模块密度模型 | 第24-32页 |
| §2.1 引言 | 第24页 |
| §2.2 泛化模块密度模型 | 第24-27页 |
| 2.2.1 模型的提出 | 第24-25页 |
| 2.2.2 分辨极限容忍性分析 | 第25-27页 |
| §2.3 等价性关系研究 | 第27-31页 |
| 2.3.1 泛化模块密度的优化形式 | 第27-28页 |
| 2.3.2 泛化模块密度与加权核K-均值 | 第28-29页 |
| 2.3.3 泛化模块密度与非负矩阵分解 | 第29-30页 |
| 2.3.4 泛化模块密度与谱聚类 | 第30-31页 |
| §2.4 本章小结 | 第31-32页 |
| 第三章 基于半监督非负矩阵分解的社团结构检测算法 | 第32-42页 |
| §3.1 引言 | 第32-33页 |
| §3.2 半监督非负矩阵分解算法 | 第33-36页 |
| 3.2.1 算法框架 | 第33-34页 |
| 3.2.2 参数优化 | 第34-35页 |
| 3.2.3 算法分析 | 第35-36页 |
| §3.3 实验结果 | 第36-40页 |
| 3.3.1 检测性能 | 第36-37页 |
| 3.3.2 分辨极限容忍性分析 | 第37-40页 |
| §3.4 本章小结 | 第40-42页 |
| 第四章 基于特征空间的重叠与分层社团结构检测算法 | 第42-56页 |
| §4.1 引言 | 第42-43页 |
| §4.2 特征空间与网络通信性 | 第43-45页 |
| §4.3 特征空间谱算法 | 第45-48页 |
| 4.3.1 分层社团检测 | 第45页 |
| 4.3.2 重叠社团检测 | 第45-48页 |
| 4.3.3 算法分析 | 第48页 |
| §4.4 参数分析 | 第48-50页 |
| §4.5 实验结果 | 第50-53页 |
| 4.5.1 分层GN标准测试集 | 第50-51页 |
| 4.5.2 蛋白质交互网络 | 第51-53页 |
| 4.5.3 LFR标准测试集 | 第53页 |
| §4.6 本章小结 | 第53-56页 |
| 第五章 基于快速谱聚类的社团结构检测算法 | 第56-72页 |
| §5.1 引言 | 第56页 |
| §5.2 快速谱聚类算法 | 第56-60页 |
| 5.2.1 算法框架 | 第56-57页 |
| 5.2.2 半监督成分构建 | 第57-59页 |
| 5.2.3 特征向量计算 | 第59页 |
| 5.2.4 算法分析 | 第59-60页 |
| §5.3 快速谱算法的加速分析 | 第60-63页 |
| 5.3.1 算法准确性分析 | 第60-62页 |
| 5.3.2 加速分析 | 第62-63页 |
| §5.4 实验结果 | 第63-66页 |
| 5.4.1 人工网络 | 第63-65页 |
| 5.4.2 真实网络 | 第65-66页 |
| §5.5 非传统谱聚类综合性对比 | 第66-69页 |
| 5.5.1 谱聚类算法 | 第66页 |
| 5.5.2 对比算法参数设置 | 第66-67页 |
| 5.5.3 社团提取性能对比 | 第67-69页 |
| §5.6 本章小结 | 第69-72页 |
| 第六章 基于网络通信性与弱连接效应的蛋白质复合体预测 | 第72-92页 |
| §6.1 引言 | 第72-73页 |
| §6.2 基于图通信的复合体检测算法 | 第73-78页 |
| 6.2.1 复合体核拓扑刻画 | 第73-76页 |
| 6.2.2 复合体检测 | 第76-77页 |
| 6.2.3 算法分析 | 第77-78页 |
| §6.3 基于弱连接效应的复合体检测算法 | 第78-81页 |
| 6.3.1 弱连接效应 | 第78-80页 |
| 6.3.2 置信网络构建 | 第80-81页 |
| §6.4 实验结果 | 第81-89页 |
| 6.4.1 实验数据 | 第81页 |
| 6.4.2 F-值与覆盖率 | 第81-83页 |
| 6.4.3 P-值 | 第83-84页 |
| 6.4.4 参数影响分析 | 第84-87页 |
| 6.4.5 鲁棒性分析 | 第87-89页 |
| §6.5 图密度与复合体拓扑关系 | 第89-90页 |
| §6.6 本章小结 | 第90-92页 |
| 第七章 基于网络的复杂疾病恶化过程动态代谢路径提取 | 第92-104页 |
| §7.1 引言 | 第92-93页 |
| §7.2 时序网络模块挖掘算法 | 第93-97页 |
| 7.2.1 数学模型 | 第93-95页 |
| 7.2.2 挖掘算法 | 第95-96页 |
| 7.2.3 算法分析 | 第96-97页 |
| §7.3 实验结果 | 第97-101页 |
| 7.3.1 准确性 | 第97-98页 |
| 7.3.2 富集性分析 | 第98-99页 |
| 7.3.3 动态与静态基因对比 | 第99-100页 |
| 7.3.4 集成分析模块提高癌症预测准确性 | 第100-101页 |
| §7.4 多网络集成分析与单网络分析对比 | 第101-102页 |
| §7.5 本章小结 | 第102-104页 |
| 第八章 总结与展望 | 第104-110页 |
| §8.1 本文工作总结 | 第104-106页 |
| §8.2 未来工作展望 | 第106-110页 |
| 致谢 | 第110页 |
| 参考文献 | 第110-124页 |
| 攻读博士学位期间的研究成果 | 第124-126页 |