摘要 | 第3-4页 |
abstract | 第4-5页 |
第1章 绪论 | 第8-16页 |
1.1 研究意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-15页 |
1.2.1 社区发现 | 第9-12页 |
1.2.2 重叠社区发现 | 第12-15页 |
1.3 本文主要研究内容 | 第15-16页 |
第2章 社区发现理论基础 | 第16-24页 |
2.1 网络的基本性质 | 第16-18页 |
2.1.1 度分布 | 第16页 |
2.1.2 聚类系数 | 第16-17页 |
2.1.3 平均路径长度 | 第17页 |
2.1.4 介数 | 第17-18页 |
2.2 社区定义 | 第18页 |
2.3 节点相似度 | 第18-19页 |
2.4 社区结构评价指标 | 第19-21页 |
2.4.1 模块度 | 第19页 |
2.4.2 NMI | 第19-20页 |
2.4.3 RandIndex | 第20-21页 |
2.5 社区发现算法测试数据集 | 第21-23页 |
2.5.1 真实网络数据集 | 第21-22页 |
2.5.2 人工网络数据集 | 第22-23页 |
2.6 本章小结 | 第23-24页 |
第3章 基于信息传递和峰值聚类的自适应社区发现算法 | 第24-36页 |
3.1 相关知识 | 第24-27页 |
3.1.1 研究意义 | 第24-25页 |
3.1.2 聚类算法分类 | 第25页 |
3.1.3 密度峰值聚类算法 | 第25-27页 |
3.2 基于信息传递和峰值聚类的自适应社区发现算法 | 第27-30页 |
3.2.1 信息传递 | 第27-29页 |
3.2.2 距离矩阵计算 | 第29页 |
3.2.3 核心节点获取 | 第29-30页 |
3.2.4 社区划分 | 第30页 |
3.2.5 时间复杂度分析 | 第30页 |
3.3 实验与分析 | 第30-35页 |
3.3.1 真实网络数据集 | 第31页 |
3.3.2 人工网络数据集 | 第31页 |
3.3.3 真实网络数据集结果分析 | 第31-33页 |
3.3.4 人工网络数据集结果分析 | 第33-35页 |
3.4 本章小结 | 第35-36页 |
第4章 基于核心节点信息量的重叠社区发现算法 | 第36-44页 |
4.1 算法介绍 | 第36-38页 |
4.1.1 算法框架 | 第37页 |
4.1.2 信息传递与确定网络核心节点 | 第37-38页 |
4.1.3 重叠社区划分 | 第38页 |
4.1.4 时间复杂度分析 | 第38页 |
4.2 实验结果及分析 | 第38-42页 |
4.2.1 人工网络数据集 | 第39-41页 |
4.2.2 真实网络数据集 | 第41-42页 |
4.3 本章小结 | 第42-44页 |
第5章 基于信息传递和峰值边聚类的自适应重叠社区发现算法 | 第44-52页 |
5.1 算法介绍 | 第45-48页 |
5.1.1 相关定义 | 第45页 |
5.1.2 算法框架 | 第45页 |
5.1.3 边信息传递 | 第45-46页 |
5.1.4 边距离矩阵计算 | 第46-47页 |
5.1.5 核心边选取 | 第47页 |
5.1.6 社区划分 | 第47页 |
5.1.7 时间复杂度分析 | 第47-48页 |
5.2 实验结果及分析 | 第48-50页 |
5.2.1 人工网络数据集 | 第48-50页 |
5.2.2 真实网络数据集 | 第50页 |
5.3 本章小结 | 第50-52页 |
第6章 结束语 | 第52-54页 |
参考文献 | 第54-58页 |
发表论文和参加科研情况说明 | 第58-60页 |
致谢 | 第60页 |