| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文组织结构 | 第10-12页 |
| 2 重叠社区发现综述 | 第12-32页 |
| 2.1 复杂网络中的社区结构 | 第12-16页 |
| 2.1.1 复杂网络的特征 | 第12-14页 |
| 2.1.2 复杂网络模型 | 第14-15页 |
| 2.1.3 社区现象 | 第15-16页 |
| 2.2 社区发现经典算法 | 第16-20页 |
| 2.2.0 图分割算法 | 第16-18页 |
| 2.2.1 聚类算法 | 第18-19页 |
| 2.2.2 分裂算法 | 第19-20页 |
| 2.3 重叠社区发现算法 | 第20-28页 |
| 2.3.1 Clique Percolation算法 | 第20-22页 |
| 2.3.2 链接分块算法 | 第22-23页 |
| 2.3.3 局部扩张优化算法 | 第23-25页 |
| 2.3.4 标签传播算法 | 第25-26页 |
| 2.3.5 基于统计推理的算法 | 第26-28页 |
| 2.4 重叠社区发现评价标准 | 第28-32页 |
| 2.4.1 标准化互信息(NMI) | 第28-29页 |
| 2.4.2 欧米伽指标(Omega Index) | 第29-30页 |
| 2.4.3 平均F1值 | 第30页 |
| 2.4.4 重叠模块度 | 第30-32页 |
| 3 基于流形约束的联合对称链接模型 | 第32-44页 |
| 3.1 联合对称链接模型 | 第32-34页 |
| 3.1.1 模型生成过程 | 第32-33页 |
| 3.1.2 算法分析 | 第33-34页 |
| 3.2 流形学习介绍 | 第34-37页 |
| 3.2.1 流形学习简介 | 第34-35页 |
| 3.2.2 拉普拉斯特征谱映射介绍 | 第35-37页 |
| 3.3 基于流形约束的改进算法 | 第37-39页 |
| 3.4 参数估计过程 | 第39-42页 |
| 3.5 算法复杂度分析 | 第42-44页 |
| 4 实验结果及分析 | 第44-53页 |
| 4.1 比较算法与评测标准 | 第44-45页 |
| 4.1.1 对比算法与参数设定 | 第44页 |
| 4.1.2 评测标准 | 第44-45页 |
| 4.2 基于人工数据集的实验 | 第45-48页 |
| 4.2.1 LFR基准方法 | 第45-46页 |
| 4.2.2 实验结果及分析 | 第46-48页 |
| 4.3 基于真实数据集的实验 | 第48-51页 |
| 4.3.1 真实网络数据集介绍 | 第48-49页 |
| 4.3.2 实验结果及分析 | 第49-51页 |
| 4.4 参数敏感性实验 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |