| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.2 复杂网络中识别有影响力节点研究现状 | 第10-11页 |
| 1.3 研究内容与组织架构 | 第11-13页 |
| 第二章 识别最有影响力节点研究概述 | 第13-28页 |
| 2.1 概述 | 第13页 |
| 2.2 识别单源最有影响力节点研究方法 | 第13-23页 |
| 2.2.1 基于邻居拓扑结构的识别方法 | 第13-19页 |
| 2.2.2 基于路径的节点影响力识别方法 | 第19-21页 |
| 2.2.3 基于迭代精炼的节点影响力识别方法 | 第21-23页 |
| 2.3 识别多源最有影响力节点研究方法 | 第23-27页 |
| 2.3.1 贪婪算法 | 第24-25页 |
| 2.3.2 Degree Punishment算法 | 第25-26页 |
| 2.3.3 VoteRank算法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于扩散K-TRUSS分解算法识别最有影响力节点 | 第28-45页 |
| 3.1 概述 | 第28-29页 |
| 3.2 K-TRUSS分解 | 第29-32页 |
| 3.2.1 基本概念 | 第29页 |
| 3.2.2 K-truss分解算法描述 | 第29-31页 |
| 3.2.3 假核结构对K-truss分解的影响 | 第31页 |
| 3.2.4 K-truss分解优缺点分析 | 第31-32页 |
| 3.3 扩散K-TRUSS分解 | 第32-36页 |
| 3.3.1 边的扩散性定义 | 第32-33页 |
| 3.3.2 扩散K-truss分解算法 | 第33-35页 |
| 3.3.3 算法分析 | 第35-36页 |
| 3.4 识别最有影响力节点评价指标 | 第36-39页 |
| 3.4.1 影响力函数 | 第36-37页 |
| 3.4.2 单调性函数 | 第37页 |
| 3.4.3 肯德尔系数 | 第37-38页 |
| 3.4.4 网络效率 | 第38-39页 |
| 3.5 真实网络中的仿真实验 | 第39-43页 |
| 3.5.1 数据来源 | 第39页 |
| 3.5.2 仿真结果与分析 | 第39-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 考虑边聚类与扩散特性的信息传播网络结构优化算法 | 第45-60页 |
| 4.1 概述 | 第45页 |
| 4.2 边聚类与扩散特性的关系 | 第45-47页 |
| 4.3 促进信息传播的边优化策略 | 第47-50页 |
| 4.3.1 优化思路 | 第47-48页 |
| 4.3.2 优化算法 | 第48-50页 |
| 4.4 独立级联传播模型 | 第50页 |
| 4.5 仿真实验与分析 | 第50-58页 |
| 4.5.1 数据来源 | 第50-51页 |
| 4.5.2 仿真结果与分析 | 第51-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 考虑边聚类与扩散特性的病毒传播网络结构优化算法 | 第60-69页 |
| 5.1 概述 | 第60页 |
| 5.2 抑制病毒传播的边优化策略 | 第60-63页 |
| 5.2.1 优化思想 | 第61页 |
| 5.2.2 优化策略 | 第61-63页 |
| 5.3 仿真实验与分析 | 第63-67页 |
| 5.3.1 数据来源 | 第63页 |
| 5.3.2 仿真结果与分析 | 第63-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结和展望 | 第69-71页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第75-76页 |
| 附录2 攻读硕士学位期间申请的专利 | 第76-77页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
