基于矩阵分解的重叠社区探测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文工作 | 第14-15页 |
| 1.4 内容结构与安排 | 第15-16页 |
| 第2章 社区发现算法概述 | 第16-26页 |
| 2.1 相关知识介绍 | 第16-19页 |
| 2.1.1 介数 | 第16页 |
| 2.1.2 平均路径长度 | 第16-17页 |
| 2.1.3 聚集系数 | 第17页 |
| 2.1.4 Q模块度 | 第17-18页 |
| 2.1.5 分割密度 | 第18-19页 |
| 2.2 非重叠社区发现算法 | 第19-23页 |
| 2.2.1 基于优化的非重叠社区发现算法 | 第19-22页 |
| 2.2.2 基于优化的社区发现算法 | 第22-23页 |
| 2.3 重叠社区发现算法 | 第23-25页 |
| 2.3.1 派系过滤算法 | 第23-24页 |
| 2.3.2 连接聚类算法 | 第24页 |
| 2.3.3 基于局部信息扩散算法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 非负矩阵分解模型 | 第26-31页 |
| 3.1 SNMF算法 | 第26-28页 |
| 3.1.1 非负矩阵分解算法思想 | 第26-27页 |
| 3.1.2 SNMF算法 | 第27-28页 |
| 3.2 SBMF算法 | 第28-29页 |
| 3.3 改进的PD评价指标 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于遗传算法的矩阵分解模型 | 第31-37页 |
| 4.1 遗传算法 | 第31-34页 |
| 4.2 改进的SBMF模型 | 第34-35页 |
| 4.3 拓展模块度 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 实验结果分析 | 第37-46页 |
| 5.1 实验数据集 | 第37-38页 |
| 5.2 实验评估指标 | 第38页 |
| 5.3 实验结果 | 第38-45页 |
| 5.3.1 空手道数据集 | 第39-40页 |
| 5.3.2 海豚社会网络数据集 | 第40-42页 |
| 5.3.3 美国政治图书数据集 | 第42-43页 |
| 5.3.4 美国橄榄球联盟数据集 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-47页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介及科研成果 | 第50-51页 |
| 致谢 | 第51页 |
