基于谱聚类的社区发现技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 2 复杂网络的社区发现技术相关介绍 | 第15-29页 |
| 2.1 复杂网络的表示及结构 | 第15-18页 |
| 2.1.1 复杂网络的表示 | 第15-17页 |
| 2.1.2 社区的结构定义 | 第17-18页 |
| 2.1.3 社区的表示 | 第18页 |
| 2.2 静态复杂网络社区发现算法 | 第18-25页 |
| 2.2.1 图分割法 | 第18-19页 |
| 2.2.2 层次聚类法 | 第19-21页 |
| 2.2.3LPA算法 | 第21-22页 |
| 2.2.4 重叠社区发现算法 | 第22-23页 |
| 2.2.5 加权网络中的社区发现算法 | 第23-25页 |
| 2.3 动态复杂网络社区发现算法 | 第25-27页 |
| 2.3.1 目标函数 | 第26-27页 |
| 2.3.2 进化聚类算法 | 第27页 |
| 2.3.3Facet Net框架 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 3 基于谱聚类的社区发现算法 | 第29-38页 |
| 3.1 图论的基本知识 | 第29-32页 |
| 3.1.1 矩阵与谱 | 第29-30页 |
| 3.1.2 主要的图割目标函数 | 第30页 |
| 3.1.3 谱宽松方法与图分割 | 第30-32页 |
| 3.2 静态谱聚类算法的一般过程 | 第32-33页 |
| 3.3 进化谱聚类算法 | 第33-37页 |
| 3.3.1 代价函数 | 第33-34页 |
| 3.3.2 算法过程 | 第34-36页 |
| 3.3.3 时间复杂度分析 | 第36页 |
| 3.3.4 算法的优缺点 | 第36-37页 |
| 3.4 本章总结 | 第37-38页 |
| 4 改进的加权谱聚类动态社区发现算法 | 第38-51页 |
| 4.1 预备知识 | 第38-40页 |
| 4.1.1 随机游走的相关概念 | 第38-39页 |
| 4.1.2 图上的随机游走 | 第39-40页 |
| 4.2 一种加权谱聚类动态社区发现算法 | 第40-43页 |
| 4.2.1 对进化谱聚类算法的改进 | 第40-42页 |
| 4.2.2 算法过程 | 第42-43页 |
| 4.3 实验分析 | 第43-50页 |
| 4.3.1 数据集及实验平台介绍 | 第43-45页 |
| 4.3.2 数据集实验 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-52页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读研究生期间的研究成果和参与的科研项目 | 第57页 |
