| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织架构 | 第16-17页 |
| 第2章 复杂网络与社区发现 | 第17-29页 |
| 2.1 复杂网络 | 第17-20页 |
| 2.1.1 网络与表示 | 第17-18页 |
| 2.1.2 复杂网络的属性 | 第18-20页 |
| 2.2 社区发现的研究方法 | 第20-23页 |
| 2.2.1 基于结点为中心的社区发现 | 第21页 |
| 2.2.2 基于群组为中心的社区发现 | 第21-22页 |
| 2.2.3 基于网络为中心的社区发现 | 第22页 |
| 2.2.4 基于层次为中心的社区发现 | 第22-23页 |
| 2.3 社区发现经典算法 | 第23-28页 |
| 2.3.1 谱聚类 | 第23-26页 |
| 2.3.2 潜在空间模型 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于社区相似的层次聚类社区发现算法 | 第29-42页 |
| 3.1 Louvain 社区发现算法简介 | 第29页 |
| 3.2 基于社区相似的层次聚类社区发现算法（CSHC） | 第29-34页 |
| 3.2.1 相关问题探究 | 第29-33页 |
| 3.2.2 CSHC 社区发现算法 | 第33-34页 |
| 3.3 实验评估标准 | 第34-35页 |
| 3.3.1 纯度 | 第34页 |
| 3.3.2 模块度 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-41页 |
| 3.4.1 Karate Club Network 数据集 | 第35-37页 |
| 3.4.2 American College Football 数据集 | 第37-41页 |
| 3.5 实验总结 | 第41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 基于重要结点的社区发现算法 | 第42-54页 |
| 4.1 相关问题探究 | 第42-45页 |
| 4.1.1 模块度最大化 | 第42-43页 |
| 4.1.2 K-means 方法介绍 | 第43-44页 |
| 4.1.3 欧几里得度量 | 第44页 |
| 4.1.4 聚类中心 | 第44-45页 |
| 4.2 基于重要结点的社区发现算法（INC） | 第45-46页 |
| 4.3 实验结果及分析 | 第46-52页 |
| 4.3.1 Karate Club Network 数据集 | 第47-48页 |
| 4.3.2 American College Football 数据集 | 第48-52页 |
| 4.4 实验总结 | 第52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 基于社区的重要结点评定方法 | 第54-58页 |
| 5.1 中心性简介 | 第54-55页 |
| 5.1.1 度中心 | 第54页 |
| 5.1.2 紧密度中心 | 第54-55页 |
| 5.2 基于社区的重要结点评估算法（ICC） | 第55-56页 |
| 5.3 实验结果及分析 | 第56-57页 |
| 5.3.1 Karate Club Network 数据集 | 第56-57页 |
| 5.3.2 American College Football 数据集 | 第57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 作者简介及在学期间所取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
