复杂网络中基于稳定社团结构的社区发现研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状及分析 | 第13-15页 |
| 1.3 本文研究内容与组织 | 第15-19页 |
| 1.3.1 本文研究内容 | 第15-16页 |
| 1.3.2 本文结构安排 | 第16-19页 |
| 第二章 复杂网络社区发现相关理论 | 第19-35页 |
| 2.1 复杂网络的基本理论介绍 | 第19-26页 |
| 2.1.1 复杂网络的研究阶段 | 第19-25页 |
| 2.1.2 复杂网络的特征属性研究 | 第25-26页 |
| 2.2 复杂网络的社区发现 | 第26-29页 |
| 2.2.1 社区的相关定义 | 第26-27页 |
| 2.2.2 社区结构的评价机制 | 第27-29页 |
| 2.3 经典社区发现算法 | 第29-33页 |
| 2.3.1 图划分方法 | 第29-30页 |
| 2.3.2 层次聚类方法 | 第30页 |
| 2.3.3 局部优化的方法 | 第30-32页 |
| 2.3.4 簇的稳定性研究 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 可探测社区稳定结构的局部社区发现算法 | 第35-51页 |
| 3.1 问题背景 | 第35-36页 |
| 3.2 相关知识 | 第36-39页 |
| 3.2.1 节点稳定的判断标准 | 第36-37页 |
| 3.2.2 稳定值的定量化 | 第37-39页 |
| 3.3 可探测稳定社团的局部社区发现算法 | 第39-42页 |
| 3.3.1 算法思想描述 | 第39-40页 |
| 3.3.2 算法过程描述 | 第40-41页 |
| 3.3.3 算法实现步骤 | 第41-42页 |
| 3.4 实验结果与性能分析 | 第42-48页 |
| 3.4.1 人工集成数据 | 第43-45页 |
| 3.4.2 真实网络数据 | 第45-48页 |
| 3.5 本章小结 | 第48-51页 |
| 第四章 随机震荡的最大模块度社区优化发现方法 | 第51-63页 |
| 4.1 问题背景 | 第51-52页 |
| 4.2 相关知识 | 第52-53页 |
| 4.2.1 网络中的关系结构 | 第52页 |
| 4.2.2 关于网络震荡的相关知识 | 第52-53页 |
| 4.2.3 网络预处理方法 | 第53页 |
| 4.3 经典LOUVAIN算法 | 第53-54页 |
| 4.4 基于震荡的最大模块度社区发现算法 | 第54-55页 |
| 4.5 实验结果与性能分析 | 第55-62页 |
| 4.5.1 网络震荡 | 第55-58页 |
| 4.5.2 社区发现结果 | 第58-60页 |
| 4.5.3 社区发现性能分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 总结和展望 | 第63-65页 |
| 5.1 本文工作的总结 | 第63-64页 |
| 5.2 社区发现下一步研究的展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |
