复杂网络模型构建及其在知识系统中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-43页 |
| ·问题的研究背景和意义 | 第12-15页 |
| ·复杂网络在知识管理和其它领域的应用 | 第15-20页 |
| ·复杂网络在知识表示与建模方面的应用 | 第16页 |
| ·科研合作网络与语义网络 | 第16页 |
| ·集团结构的发现算法研究 | 第16-17页 |
| ·信息检索与导航 | 第17-18页 |
| ·社会网络中的应用 | 第18-19页 |
| ·大脑网络研究 | 第19-20页 |
| ·复杂网络研究综述 | 第20-39页 |
| ·复杂网络的结构度量 | 第20-26页 |
| ·经典的复杂网络模型 | 第26-32页 |
| ·网络上的动力学行为 | 第32-39页 |
| ·知识网络研究综述 | 第39-41页 |
| ·知识主体之间的网络 | 第39-40页 |
| ·人为主体的网络 | 第39-40页 |
| ·团队知识网络 | 第40页 |
| ·知识与知识之间的网络 | 第40页 |
| ·多种类型的节点或关系构成的知识网络 | 第40-41页 |
| ·本论文的主要工作 | 第41-43页 |
| 第二章 复杂网络的演化模型研究 | 第43-73页 |
| ·多步连接的无尺度网络增长模型 | 第43-52页 |
| ·模型的构造 | 第45页 |
| ·模型的统计特性 | 第45-51页 |
| ·小结 | 第51-52页 |
| ·正负匹配度可调的增长无尺度网络模型 | 第52-57页 |
| ·模型的构造 | 第52-53页 |
| ·网络的统计特性 | 第53-56页 |
| ·小结 | 第56-57页 |
| ·自学习双向选择加权网络演化模型 | 第57-62页 |
| ·模型的构造 | 第58-59页 |
| ·模型的统计特性 | 第59-62页 |
| ·小结 | 第62页 |
| ·带有平均距离和平均度约束的无尺度网络演化模型 | 第62-65页 |
| ·模型的构造与求解 | 第63-65页 |
| ·小结 | 第65页 |
| ·有向网络中出度与入度之间的关系 | 第65-72页 |
| ·模型的描述 | 第65-66页 |
| ·入度分布的指数 | 第66-68页 |
| ·其它统计特性 | 第68-72页 |
| ·小结 | 第72页 |
| ·本章小结 | 第72-73页 |
| 第三章 复杂网络的动力学优化 | 第73-97页 |
| ·优化无尺度网络的鲁棒性 | 第73-76页 |
| ·随机破坏的优化策略 | 第73-74页 |
| ·蓄意攻击的优化策略 | 第74-75页 |
| ·优化无尺度网络对于随机破坏和蓄意攻击的鲁棒性 | 第75-76页 |
| ·优化无尺度网络同步能力 | 第76-82页 |
| ·网络的同步能力 | 第78页 |
| ·禁忌搜索算法介绍 | 第78-79页 |
| ·数值结果 | 第79-81页 |
| ·小结 | 第81-82页 |
| ·网络拓扑量与同步能力的关系 | 第82-85页 |
| ·数值结果 | 第82-85页 |
| ·小结 | 第85页 |
| ·无尺度网络上的定向传播行为研究 | 第85-92页 |
| ·模型的构造 | 第87页 |
| ·模拟与分析 | 第87-89页 |
| ·快速传播策略 | 第89-91页 |
| ·小结 | 第91-92页 |
| ·二维格子上的意见传播 | 第92-96页 |
| ·模型的构造 | 第93-94页 |
| ·数值模拟 | 第94-96页 |
| ·小结 | 第96页 |
| ·本章小结 | 第96-97页 |
| 第四章 复杂网络在某知识网络系统中的应用 | 第97-127页 |
| ·项目文本关联网络的拓扑结构分析 | 第97-102页 |
| ·网络结构特性 | 第98-102页 |
| ·网络的平均距离随着时间下降 | 第99页 |
| ·网络的集聚系数随时间增长 | 第99-102页 |
| ·小结 | 第102页 |
| ·项目文本关联网络加权网络分析 | 第102-115页 |
| ·WRAN的统计特性 | 第104-112页 |
| ·距离与中心性 | 第107页 |
| ·平均集聚系数 | 第107-110页 |
| ·介数 | 第110-112页 |
| ·双向选择模型 | 第112-114页 |
| ·小结 | 第114-115页 |
| ·项目关联网络的宏观知识挖掘 | 第115-118页 |
| ·申报体系和分类体系的发展趋势分析 | 第116-117页 |
| ·学科体系发展趋势分析 | 第117页 |
| ·学科领域的交叉分析 | 第117-118页 |
| ·基于加权网络的一种中文文本聚类算法 | 第118-122页 |
| ·预备知识 | 第119-120页 |
| ·聚类算法 | 第120页 |
| ·集团结构好坏的衡量指标 | 第120-121页 |
| ·数值实验 | 第121-122页 |
| ·小结 | 第122页 |
| ·领域知识的中观层次分析 | 第122-125页 |
| ·类模型网络关联分析 | 第125-126页 |
| ·本章小结 | 第126-127页 |
| 第五章 总结与展望 | 第127-130页 |
| ·总结 | 第127-128页 |
| ·展望 | 第128-130页 |
| 参考文献 | 第130-152页 |
| 攻读博士学位期间的研究成果及发表的论文 | 第152-154页 |
| 致谢 | 第154-155页 |