复杂网络中心性度量及社团检测算法研究
| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-26页 |
| ·研究意义 | 第10-13页 |
| ·研究背景 | 第13-22页 |
| ·国内外研究现状分析 | 第13-21页 |
| ·面临的挑战 | 第21-22页 |
| ·本文的研究思路及主要贡献 | 第22-24页 |
| ·本文的组织结构 | 第24-26页 |
| 第二章 相关的理论与方法 | 第26-36页 |
| ·复杂网络的基本特性 | 第26-27页 |
| ·网络类型 | 第27-31页 |
| ·人工网络 | 第27-29页 |
| ·真实网络 | 第29-31页 |
| ·相关的图理论 | 第31-32页 |
| ·社团检测的基本方法 | 第32-36页 |
| ·网络划分 | 第32-33页 |
| ·层次聚类 | 第33-34页 |
| ·划分聚类 | 第34-36页 |
| 第三章 复杂网络中心性度量方法研究 | 第36-56页 |
| ·引言 | 第36-38页 |
| ·标准中心性方法 | 第38-40页 |
| ·中心性方法比较分析 | 第40-44页 |
| ·模块密度中心性方法 | 第44-47页 |
| ·实例验证与结果分析 | 第47-54页 |
| ·人工网络 | 第47-49页 |
| ·真实网络 | 第49-52页 |
| ·大型网络 | 第52-54页 |
| ·小结 | 第54-56页 |
| 第四章 模块密度谱分的社团检测算法 | 第56-66页 |
| ·引言 | 第56-57页 |
| ·模块密度与社团结构 | 第57页 |
| ·模块密度的谱分优化 | 第57-59页 |
| ·模块密度函数最大化 | 第58页 |
| ·谱分松散 | 第58-59页 |
| ·两种新的复杂网络社团检测算法 | 第59-60页 |
| ·算法 1 描述 | 第59页 |
| ·算法 2 描述 | 第59-60页 |
| ·时间复杂度分析 | 第60页 |
| ·实验结果分析 | 第60-63页 |
| ·人工网络 | 第60-63页 |
| ·真实网络 | 第63页 |
| ·小结 | 第63-66页 |
| 第五章 基于特征向量的核聚类社团检测算法 | 第66-78页 |
| ·引言 | 第66-67页 |
| ·相关工作 | 第67-69页 |
| ·权重核 k-means | 第67-68页 |
| ·模块函数与模块密度函数 | 第68-69页 |
| ·权重模块密度的谱分优化 | 第69-71页 |
| ·权重模块密度最大化 | 第69-70页 |
| ·谱分松散 | 第70-71页 |
| ·目标的等价性 | 第71-72页 |
| ·特征向量的核 K-MEANS 聚类算法 | 第72-73页 |
| ·算法验证与分析 | 第73-77页 |
| ·标准 LFR 人工网络 | 第73-74页 |
| ·标准 LF 人工网络 | 第74-76页 |
| ·科学家合作网络 | 第76-77页 |
| ·结论 | 第77-78页 |
| 第六章 半监督核聚类社团检测算法 | 第78-88页 |
| ·引言 | 第78-79页 |
| ·相关工作 | 第79-80页 |
| ·非权重核 K-means 方法 | 第79-80页 |
| ·半监督聚类 HMRF 模型 | 第80页 |
| ·半监督的模块密度聚类 | 第80-82页 |
| ·半监督的核聚类算法 | 第82-84页 |
| ·算法验证与分析 | 第84-87页 |
| ·人工网络 | 第84-85页 |
| ·真实网络 | 第85-87页 |
| ·小结 | 第87-88页 |
| 第七章 总结与展望 | 第88-92页 |
| ·总结 | 第89-90页 |
| ·展望 | 第90-92页 |
| 参考文献 | 第92-106页 |
| 攻读博士学位期间已发表的论文 | 第106-108页 |
| 攻读博士学位期间参加的科研项目 | 第108-110页 |
| 致谢 | 第110-111页 |
