| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 非重叠社团发现算法 | 第9-10页 |
| 1.2.2 重叠社团发现算法 | 第10-11页 |
| 1.3 本文主要工作 | 第11页 |
| 1.4 论文组织机构 | 第11-13页 |
| 第二章 相关理论与方法简介 | 第13-22页 |
| 2.1 图及图的矩阵描述 | 第13-16页 |
| 2.1.1 邻接矩阵(Adjacency Matrix) | 第13页 |
| 2.1.2 关联矩阵(Incidence matrix) | 第13-14页 |
| 2.1.3 拉普拉斯矩阵(Laplacian matrix) | 第14-15页 |
| 2.1.4 线图及其邻接矩阵 | 第15-16页 |
| 2.2 谱分析方法 | 第16-18页 |
| 2.2.1 基于标准化拉普拉斯矩阵的谱分析 | 第16-17页 |
| 2.2.2 基于归一化拉普拉斯矩阵的谱分析 | 第17-18页 |
| 2.3 基于边社团的重叠社团发现算法 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于一维非平凡特征向量空间的重叠社团发现 | 第22-46页 |
| 3.1 线图标准化拉普拉斯矩阵的谱二分法 | 第22-33页 |
| 3.1.1 谱二分法基本原理 | 第22页 |
| 3.1.2 线图的标准化拉普拉斯矩阵 | 第22-23页 |
| 3.1.3 算法步骤与实现 | 第23-24页 |
| 3.1.4 实验结果分析 | 第24-33页 |
| 3.1.5 小结 | 第33页 |
| 3.2 线图归一化拉普拉斯矩阵的谱分析 | 第33-45页 |
| 3.2.1 算法步骤与实现 | 第33-34页 |
| 3.2.2 实验结果分析 | 第34-44页 |
| 3.2.3 小结 | 第44-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第四章 基于二维非平凡特征向量空间的重叠社团发现 | 第46-69页 |
| 4.1 算法原理 | 第46-47页 |
| 4.2 拉普拉斯矩阵特征向量选择 | 第47-48页 |
| 4.3 特征向量空间中相似性度量标准的选择 | 第48-54页 |
| 4.3.1 相似性度量标准 | 第48-49页 |
| 4.3.2 相似性度量比较的标准 | 第49-51页 |
| 4.3.3 相似性度量的比较实验及结果分析 | 第51-54页 |
| 4.4 算法实现与实验结果分析 | 第54-68页 |
| 4.4.1 空手道俱乐部网络 | 第54-59页 |
| 4.4.2 海豚社交网络 | 第59-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-70页 |
| 5.1 工作总结 | 第69页 |
| 5.2 未来工作的展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 在学期间的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
