| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景 | 第9-11页 |
| ·研究领域 | 第9-10页 |
| ·研究意义和价值 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·社区发现 | 第11-12页 |
| ·社会网络分析 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 2 相关理论与技术分析 | 第14-21页 |
| ·社会网络分析 | 第14-17页 |
| ·社会网络分析涵义 | 第14-16页 |
| ·社会网络研究方法 | 第16-17页 |
| ·粒子群算法概述 | 第17-20页 |
| ·多模粒子群优化 | 第20-21页 |
| 3 解决多模函数优化的自动小生境粒子群算法 | 第21-34页 |
| ·多模函数 | 第21-22页 |
| ·相关研究 | 第22-25页 |
| ·基于子种群分类的粒子群优化(SPSO) | 第23-24页 |
| ·基于环拓扑结构的粒子群优化(RPSO) | 第24-25页 |
| ·自动小生境粒子群优化(ANPSO) | 第25-26页 |
| ·实验测试 | 第26-31页 |
| ·测试函数 | 第27-28页 |
| ·参数 | 第28-29页 |
| ·性能衡量 | 第29-31页 |
| ·结果分析 | 第31-33页 |
| ·自动形成小生境 | 第31页 |
| ·一维函数 | 第31-32页 |
| ·二维函数 | 第32页 |
| ·成功可能性和计算量 | 第32-33页 |
| ·小结 | 第33-34页 |
| 4 基于多模粒子群的社区发现 | 第34-48页 |
| ·网络社区发现概述 | 第34-36页 |
| ·复杂网络的社区发现 | 第34-35页 |
| ·社区发现算法 | 第35-36页 |
| ·谱分法加权距离 | 第36-40页 |
| ·Capocci算法 | 第36-37页 |
| ·谱分法加权距离 | 第37-40页 |
| ·基于多模粒子群的网络社区发现 | 第40-43页 |
| ·粒子编码方案 | 第40-41页 |
| ·粒子适应度定义 | 第41-42页 |
| ·算法流程 | 第42-43页 |
| ·实验测试 | 第43-47页 |
| ·Karate网络 | 第43-45页 |
| ·Dolphins网络 | 第45-46页 |
| ·American College Football网络 | 第46-47页 |
| ·小结 | 第47-48页 |
| 5 算法应用及个性化服务系统设计 | 第48-59页 |
| ·个性化服务的发展 | 第48-50页 |
| ·社区发现与算法应用 | 第50-52页 |
| ·社区含义 | 第50页 |
| ·算法应用 | 第50-52页 |
| ·系统结构 | 第52-56页 |
| ·个性化用户定制服务平台 | 第53-54页 |
| ·个性化用户定制服务 | 第54-56页 |
| ·系统功能及意义 | 第56-58页 |
| ·系统功能 | 第56-57页 |
| ·个性化服务系统意义 | 第57-58页 |
| ·小结 | 第58-59页 |
| 6 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-66页 |