| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 社会网络中群组探测基本理论 | 第15-19页 |
| 1.2.1 网络拓扑参数 | 第15-16页 |
| 1.2.2 网络基本特性 | 第16-17页 |
| 1.2.3 社会网络中的群组结构 | 第17-18页 |
| 1.2.4 群组结构评价指标 | 第18-19页 |
| 1.3 几种群组探测算法分析比较 | 第19-23页 |
| 1.3.1 GN算法和Fast-Newman算法 | 第19-21页 |
| 1.3.2 Kernighan-Lin算法 | 第21页 |
| 1.3.3 谱聚类算法 | 第21-22页 |
| 1.3.4 LFK算法 | 第22-23页 |
| 1.4 国内外研究现状及问题的提出 | 第23-24页 |
| 1.5 本文主要内容 | 第24-26页 |
| 第2章 谱聚类方法分析 | 第26-34页 |
| 2.1 谱聚类相关理论 | 第26-30页 |
| 2.1.1 图的矩阵表示 | 第26-27页 |
| 2.1.2 相似矩阵、拉普拉斯矩阵及度矩阵 | 第27-28页 |
| 2.1.3 谱图划分准则 | 第28-30页 |
| 2.2 两类谱聚类算法 | 第30-32页 |
| 2.2.1 典型迭代谱聚类算法 | 第30-31页 |
| 2.2.2 典型多路谱聚类算法 | 第31-32页 |
| 2.3 谱聚类算法研究问题 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于引力度量与初始中心优化的谱聚类算法 | 第34-46页 |
| 3.1 相似性度量方法 | 第34页 |
| 3.2 基于引力的相似性度量方法 | 第34-36页 |
| 3.3 基于密度与距离乘积的初始聚类中心选择方法 | 第36-37页 |
| 3.4 改进谱聚类算法流程 | 第37页 |
| 3.5 UCI数据集 | 第37-38页 |
| 3.6 实验结果与分析 | 第38-45页 |
| 3.6.1 评价指标 | 第38-39页 |
| 3.6.2 尺度参数对聚类结果的影响实验 | 第39-40页 |
| 3.6.3 算法比较分析 | 第40-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第4章 基于引力与中心优化的谱聚类在非重叠群组探测的应用 | 第46-57页 |
| 4.1 GMIK-SC非重叠群组探测框架 | 第46-47页 |
| 4.2 真实网络数据集 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-56页 |
| 4.3.1 评价指标 | 第49页 |
| 4.3.2 算法比较分析 | 第49-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于引力与FCM的谱聚类在重叠群组探测的应用 | 第57-66页 |
| 5.1 基于引力度量与FCM的谱聚类算法 | 第57页 |
| 5.2 GMF-SC重叠群组探测框架 | 第57-58页 |
| 5.3 真实网络数据集 | 第58-59页 |
| 5.4 实验结果与分析 | 第59-65页 |
| 5.4.1 评价指标 | 第59页 |
| 5.4.2 算法比较分析 | 第59-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 面向微博数据的群组探测方法设计 | 第66-90页 |
| 6.1 基于微博用户的群组探测方法框架 | 第66-67页 |
| 6.2 数据来源 | 第67页 |
| 6.3 数据预处理 | 第67-72页 |
| 6.3.1 数据转码 | 第67-68页 |
| 6.3.2 数据入库 | 第68-70页 |
| 6.3.3 数据清理 | 第70-71页 |
| 6.3.4 标签预处理 | 第71-72页 |
| 6.4 用户网络的构建 | 第72-82页 |
| 6.4.1 提取用户关系网络 | 第72-73页 |
| 6.4.2 基于用户标签拓展关系网络 | 第73-82页 |
| 6.5 基于本文改进谱聚类的群组划分 | 第82-89页 |
| 6.5.1 实验结果分析 | 第83-89页 |
| 6.6 本章小结 | 第89-90页 |
| 第7章 总结与展望 | 第90-92页 |
| 7.1 论文总结 | 第90-91页 |
| 7.2 研究展望 | 第91-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-96页 |
| 攻读硕士学位期间主要的研究成果 | 第96页 |