| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 静态社区发现研究 | 第11-12页 |
| 1.2.2 动态社区发现研究 | 第12页 |
| 1.2.3 进化算法在社区发现中的研究 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 文章结构 | 第14-15页 |
| 第二章 相关知识和技术介绍 | 第15-27页 |
| 2.1 复杂网络基本理论 | 第15-17页 |
| 2.1.1 小世界特性 | 第15页 |
| 2.1.2 强社区结构 | 第15-16页 |
| 2.1.3 无度量规律 | 第16页 |
| 2.1.4 中心特性 | 第16-17页 |
| 2.2 社区发现问题的定义 | 第17-19页 |
| 2.2.1 社区发现的基本概念 | 第17页 |
| 2.2.2 重叠社区发现问题研究 | 第17-18页 |
| 2.2.3 动态社区发现问题研究 | 第18-19页 |
| 2.3 社区发现的目标函数 | 第19-21页 |
| 2.4 传统社区发现算法 | 第21-25页 |
| 2.4.1 Girvan-Newman算法 | 第21-22页 |
| 2.4.2 标签传播算法 | 第22-25页 |
| 2.4.3 派系过滤算法 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 多目标进化算法与社区发现 | 第27-34页 |
| 3.1 多目标进化算法 | 第27-29页 |
| 3.1.1 多目标优化问题 | 第27页 |
| 3.1.2 Pareto最优解 | 第27-28页 |
| 3.1.3 多目标进化算法分类 | 第28-29页 |
| 3.2 社区发现的编码方式 | 第29-31页 |
| 3.2.1 基于标签类别表达 | 第30页 |
| 3.2.2 基于邻接轨迹表达 | 第30-31页 |
| 3.3 基于进化算法的动态社区发现 | 第31-33页 |
| 3.3.1 进化聚类与动态社区发现 | 第31-32页 |
| 3.3.2 DYNMOGA算法 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于MOEA/D的动态可重叠社区发现 | 第34-46页 |
| 4.1 MOEA/D算法介绍 | 第34-36页 |
| 4.2 目标函数的选择 | 第36-37页 |
| 4.3 基于MOEA/D算法的静态重叠社区发现 | 第37-42页 |
| 4.3.1 染色体编码方式 | 第38-40页 |
| 4.3.2 解编码方法 | 第40-41页 |
| 4.3.3 轮盘赌选择 | 第41页 |
| 4.3.4 交叉算子 | 第41-42页 |
| 4.3.5 变异算子 | 第42页 |
| 4.4 基于MOEA/D算法的动态重叠社区发现 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于MOEA/D的动态可重叠社区发现算法测试 | 第46-62页 |
| 5.1 验证测试环境 | 第46页 |
| 5.2 数据集 | 第46-47页 |
| 5.3 实验结果分析 | 第47-61页 |
| 5.3.1 静态社区发现 | 第47-50页 |
| 5.3.2 动态社区发现 | 第50-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62-63页 |
| 6.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |