| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 复杂网络的基本概念 | 第16-26页 |
| 1.2.1 复杂网络的图表示 | 第16-17页 |
| 1.2.2 复杂网络的基本特性 | 第17-21页 |
| 1.2.3 常见的复杂网络社区检测算法 | 第21-24页 |
| 1.2.4 社区检测算法的主要特征 | 第24-25页 |
| 1.2.5 社区检测研究意义与研究现状 | 第25-26页 |
| 1.3 论文内容与安排 | 第26-27页 |
| 第二章 基于蚁群优化的多目标社区检测算法 | 第27-39页 |
| 2.1 引言 | 第27页 |
| 2.2 基于蚁群优化的复杂网络多目标社区检测 | 第27-32页 |
| 2.2.1 编码方式 | 第28-29页 |
| 2.2.2 解的构建过程 | 第29页 |
| 2.2.3 启发式信息 | 第29-30页 |
| 2.2.4 目标函数 | 第30页 |
| 2.2.5 信息素的更新 | 第30-32页 |
| 2.3 实验结果及分析 | 第32-37页 |
| 2.3.1 真实世界网络 | 第32-36页 |
| 2.3.2 计算机仿真网络 | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于高斯混合模型的社区检测算法 | 第39-47页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基于高斯混合模型的社区检测算法 | 第40-42页 |
| 3.2.1 应用于社区检测的高斯混合模型 | 第41页 |
| 3.2.2 解的编码 | 第41-42页 |
| 3.3 实验结果及分析 | 第42-44页 |
| 3.3.1 人工合成网络 | 第42-43页 |
| 3.3.2 真实世界网络 | 第43-44页 |
| 3.4 本章小结 | 第44-47页 |
| 第四章 基于非负矩阵分解和进化算法参数优化的社区检测算法 | 第47-57页 |
| 4.1 非负矩阵分解 | 第47页 |
| 4.2 建立社区检测模型 | 第47-49页 |
| 4.2.1 一般的非负矩阵分解模型 | 第47-48页 |
| 4.2.2 提出新的对称非负矩阵分解模型 | 第48-49页 |
| 4.3 基于非负矩阵分解的复杂网络社区检测算法 | 第49-50页 |
| 4.4 实验结果及分析 | 第50-56页 |
| 4.4.1 真实世界网络 | 第50-52页 |
| 4.4.2 计算机仿真网络 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 结论和展望 | 第57-59页 |
| 5.1 研究结论 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64-65页 |
| 1.基本情况 | 第64页 |
| 2.教育背景 | 第64页 |
| 3.攻读硕士学位期间的研究成果 | 第64-65页 |