| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文研究内容与组织结构 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 组织结构 | 第16-18页 |
| 第二章 相关理论知识 | 第18-27页 |
| 2.1 社区发现概述 | 第18-25页 |
| 2.1.1 复杂网络简介 | 第18-19页 |
| 2.1.2 社区结构定义 | 第19-20页 |
| 2.1.3 社区衡量指标 | 第20-22页 |
| 2.1.4 社区发现的经典算法 | 第22-25页 |
| 2.2 结构粒化方法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于局部模块度的多层粒化社区发现方法 | 第27-42页 |
| 3.1 局部模块度 | 第27页 |
| 3.2 MGr-LM算法 | 第27-32页 |
| 3.2.1 结构粒化操作 | 第27-30页 |
| 3.2.2 MGr-LM算法流程 | 第30-31页 |
| 3.2.3 MGr-LM算法复杂度分析 | 第31-32页 |
| 3.3 实验设置及结果分析 | 第32-41页 |
| 3.3.1 实验数据集 | 第32-34页 |
| 3.3.2 参数设置 | 第34-36页 |
| 3.3.3 实验结果与分析 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于节点相似度的自适应粒化社区发现方法 | 第42-60页 |
| 4.1 节点相似性的度量 | 第42-43页 |
| 4.2 AGr-NS算法 | 第43-49页 |
| 4.2.1 结构粒化操作 | 第43-46页 |
| 4.2.2 AGr-NS算法流程 | 第46-49页 |
| 4.2.3 AGr-NS算法复杂度分析 | 第49页 |
| 4.3 实验设置及结果分析 | 第49-58页 |
| 4.3.1 相似度指标对比 | 第49-50页 |
| 4.3.2 自适应粒化对网络的作用 | 第50-51页 |
| 4.3.3 实验结果与分析 | 第51-57页 |
| 4.3.4 AGr-NS与MGr-LM对比实验分析 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 附录A 图索引 | 第68-69页 |
| Appendix A Figure Index | 第69-70页 |
| 附录B 表格索引 | 第70-71页 |
| Appendix B Table Index | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间的成果与参与的科研项目 | 第73页 |