| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 引言 | 第6-12页 |
| 1、研究目的和意义 | 第6-8页 |
| 2、国内外研究动态 | 第8-10页 |
| 3、创新点和主要工作 | 第10-11页 |
| 4、章节安排 | 第11-12页 |
| 第一章 复杂系统以及复杂网络的结构特性 | 第12-18页 |
| ·复杂系统和复杂网络 | 第12-14页 |
| ·复杂系统 | 第12页 |
| ·复杂网络 | 第12-14页 |
| ·复杂网络的描述方法 | 第14-15页 |
| ·复杂网络的结构特性 | 第15-17页 |
| ·度和度分布 | 第15-16页 |
| ·最短路径长度,直径和介数 | 第16页 |
| ·聚集系数 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第二章 社团的定义和社团发现算法的研究 | 第18-34页 |
| ·社团结构的定义 | 第18-19页 |
| ·测试算法性能的方法 | 第19-21页 |
| ·Karate俱乐部网络 | 第19-20页 |
| ·计算机生成网络 | 第20-21页 |
| ·社团发现算法 | 第21-33页 |
| ·谱二分(spectral bisection) | 第21-23页 |
| ·Kernighan-Lin算法 | 第23页 |
| ·基于边移除的GN算法 | 第23-27页 |
| ·层次聚类算法 | 第27-30页 |
| ·极值优化算法 | 第30-32页 |
| ·基于相异性的算法 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 网络中结点之间相似性的度量方法的研究 | 第34-38页 |
| ·聚类算法中数据之间相似性的度量方法 | 第34-35页 |
| ·MVV算法(Mapping Vertex into Vector) | 第35-38页 |
| ·基本概念 | 第35-36页 |
| ·MVV算法 | 第36-37页 |
| ·实验结果 | 第37-38页 |
| 第四章 基于聚类的复杂网络中社团发现 | 第38-58页 |
| ·使用聚类算法发现社团结构的基本流程 | 第38-39页 |
| ·基于MVV方法的层次聚类算法发现网络中的社团 | 第39-44页 |
| ·传递次数T的确定 | 第39-40页 |
| ·实验结果 | 第40-43页 |
| ·不同相似性度量方法的性能的比较 | 第43-44页 |
| ·基于MVV方法的K-means算法发现网络中的社团 | 第44-47页 |
| ·K-means算法 | 第44-45页 |
| ·初始点的选择 | 第45页 |
| ·实验结果 | 第45-46页 |
| ·与层次聚类算法的性能比较 | 第46-47页 |
| ·基于MVV方法的模糊聚类算法发现相互重叠的社团 | 第47-51页 |
| ·模糊C-means算法 | 第47-48页 |
| ·实验结果 | 第48-50页 |
| ·结点共享度 | 第50-51页 |
| ·基于MVV方法的谱方法在社团发现中的应用 | 第51-58页 |
| ·传统谱方法 | 第52-53页 |
| ·基于MVV方法的谱方法 | 第53-56页 |
| ·与其它算法的性能比较 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间的研究成果 | 第64-65页 |
| 致谢 | 第65-67页 |