| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 论文的主要研究工作及创新点 | 第13-14页 |
| 1.4 本文结构 | 第14-16页 |
| 2 社区发现技术及银行客户交易网络介绍 | 第16-34页 |
| 2.1 网络科学简介 | 第16-18页 |
| 2.2 复杂网络的社区结构 | 第18-20页 |
| 2.3 无向网络社区发现技术 | 第20-29页 |
| 2.3.1 传统方法 | 第20-21页 |
| 2.3.2 分裂层次聚类方法 | 第21页 |
| 2.3.3 标签传播方法 | 第21-22页 |
| 2.3.4 基于随机游走的方法 | 第22页 |
| 2.3.5 模块度优化方法 | 第22-29页 |
| 2.4 有向网络社区发现技术 | 第29-31页 |
| 2.5 构建银行客户交易网络 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 集成多种改进策略的鲁汶算法 | 第34-44页 |
| 3.1 无向网络模块度增益的计算方法 | 第34-35页 |
| 3.2 改进的鲁汶算法ILM | 第35-39页 |
| 3.2.1 相关符号说明 | 第35-36页 |
| 3.2.2 算法主要流程 | 第36-39页 |
| 3.2.3 算法时间、空间复杂度分析 | 第39页 |
| 3.3 实验对比与分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于鲁汶算法思想的有向网络社区发现算法 | 第44-50页 |
| 4.1 有向网络模块度增益的计算方法 | 第44-47页 |
| 4.1.1 有向网络的模块度基于社区连接矩阵的定义 | 第44-45页 |
| 4.1.2 有向网络中模块度增益的计算公式 | 第45-47页 |
| 4.2 基于鲁汶算法思想的有向网络社区发现算法ILMd | 第47页 |
| 4.3 实验对比与分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 银行客户交易网络的社区结构 | 第50-55页 |
| 5.1 不同网络间社区性质的比较 | 第50-51页 |
| 5.2 银行客户交易网络的社区结构及它们之间的异同 | 第51-54页 |
| 5.3 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间的研究成果 | 第60页 |
