| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-23页 |
| ·研究背景与意义 | 第11-13页 |
| ·研究进展及存在问题 | 第13-16页 |
| ·静态网络模式挖掘 | 第13-15页 |
| ·动态网络模式挖掘 | 第15-16页 |
| ·相关理论及基础 | 第16-19页 |
| ·图论基础 | 第16-17页 |
| ·复杂网络基础 | 第17-19页 |
| ·本文研究思路和主要贡献 | 第19-20页 |
| ·论文组织结构 | 第20-23页 |
| 第二章 基于聚类分析的概率网络模体发现算法 | 第23-37页 |
| ·引言 | 第23-24页 |
| ·相关定义 | 第24-25页 |
| ·概率网络模体发现算法 | 第25-30页 |
| ·子图搜索 | 第25-27页 |
| ·子图分组 | 第27-28页 |
| ·概率模体发现 | 第28-30页 |
| ·实验结果及分析 | 第30-36页 |
| ·数据集 | 第30页 |
| ·实验结果分析 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于谱聚类的模块结构识别算法 | 第37-55页 |
| ·引言 | 第37-38页 |
| ·相关定义 | 第38-40页 |
| ·图的基本概念 | 第38-39页 |
| ·网络的对称性 | 第39页 |
| ·相似图 | 第39页 |
| ·图的拉普拉斯（Laplacian）矩阵及其相关性质 | 第39-40页 |
| ·模块识别算法 | 第40-45页 |
| ·基于网络对称性压缩的模块识别算法 | 第40-43页 |
| ·基于其它相似图构造方法的谱聚类 | 第43-44页 |
| ·算法分析 | 第44-45页 |
| ·实验结果及分析 | 第45-54页 |
| ·数据集 | 第45页 |
| ·评价标准 | 第45-46页 |
| ·实验结果分析 | 第46-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 基于序列分析的动态模式挖掘算法 | 第55-79页 |
| ·引言 | 第55-56页 |
| ·相关定义 | 第56-59页 |
| ·动态模式挖掘算法 | 第59-64页 |
| ·周期动态模式挖掘算法 | 第59-62页 |
| ·阶段动态模式挖掘算法 | 第62-64页 |
| ·实验结果及分析 | 第64-77页 |
| ·数据集 | 第64-65页 |
| ·周期动态模式实验结果分析 | 第65-69页 |
| ·阶段动态模式实验结果分析 | 第69-77页 |
| ·讨论 | 第77页 |
| ·本章小结 | 第77-79页 |
| 第五章 基于进化聚类的动态模块分析算法 | 第79-91页 |
| ·引言 | 第79-80页 |
| ·相关定义 | 第80-81页 |
| ·动态模块分析算法 | 第81-85页 |
| ·算法总体框架 | 第81-82页 |
| ·基于种子和密度的模块结构识别算法 | 第82-83页 |
| ·相邻时刻网络快照的变化量计算 | 第83页 |
| ·模块调整策略 | 第83-84页 |
| ·模块结构演化分析方法 | 第84-85页 |
| ·实验结果及分析 | 第85-89页 |
| ·数据集 | 第85页 |
| ·实验结果分析 | 第85-89页 |
| ·本章小结 | 第89-91页 |
| 第六章 总结与展望 | 第91-95页 |
| ·论文工作总结 | 第91-92页 |
| ·下一步的研究工作 | 第92-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-109页 |
| 攻读博士学位期间的研究成果 | 第109-111页 |
| 学术论文 | 第109页 |
| 参加研究的科研项目 | 第109-111页 |