| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究目的和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 随机网络模型 | 第11-12页 |
| 1.2.2 小世界网络模型 | 第12-13页 |
| 1.2.3 无标度网络模型 | 第13-14页 |
| 1.2.4 其他改进的网络模型 | 第14-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第二章 基础理论 | 第17-23页 |
| 2.1 网络的拓扑特征 | 第17-19页 |
| 2.1.1 度分布 | 第17页 |
| 2.1.2 平均距离 | 第17-18页 |
| 2.1.3 集聚系数 | 第18-19页 |
| 2.2 平均场方法 | 第19-20页 |
| 2.3 Markov链的定义和性质 | 第20-21页 |
| 2.4 链路预测的几种方法 | 第21-23页 |
| 第三章 Scale-Free模型及其统计特征 | 第23-29页 |
| 3.1 模型的建立 | 第23页 |
| 3.2 模型的度分布求解 | 第23-25页 |
| 3.3 模型的集聚系数求解 | 第25-29页 |
| 第四章 Scale-Free模型在微信朋友圈网络中的应用 | 第29-33页 |
| 4.1 微信朋友圈网络的基本介绍 | 第29页 |
| 4.2 微信朋友圈网络的统计特征 | 第29-30页 |
| 4.3 基于SIR模型的微信朋友圈消息传播 | 第30-33页 |
| 4.3.1 SIR模型介绍 | 第30-31页 |
| 4.3.2 基于SIR模型的微信朋友圈消息传播 | 第31-33页 |
| 第五章 基于链路预测的Scale-Free新模型 | 第33-37页 |
| 5.1 基于概率模型的链路预测方法 | 第33页 |
| 5.2 加入预测因子的模型重建 | 第33-34页 |
| 5.3 新模型的度分布求解 | 第34-37页 |
| 第六章 计算机仿真分析与讨论 | 第37-44页 |
| 6.1 计算机仿真的基本流程 | 第37-38页 |
| 6.2 根据计算机仿真结果作图 | 第38-43页 |
| 6.2.1 度分布图 | 第38-40页 |
| 6.2.2 集聚系数图 | 第40-43页 |
| 6.3 微信朋友圈网络实证分析解释 | 第43-44页 |
| 总结与展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间取得的学术成果 | 第49-50页 |
| 致谢 | 第50页 |