| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 国内外研究现状 | 第10-14页 |
| 1.1.1 按对网络边信息的利用程度的划分 | 第10-11页 |
| 1.1.2 按能否发现重叠社区的划分 | 第11-12页 |
| 1.1.3 按对网络信息需求程度的划分 | 第12-13页 |
| 1.1.4 按不同实现方式的划分 | 第13-14页 |
| 1.2 存在的问题 | 第14-15页 |
| 1.3 本课题研究内容 | 第15页 |
| 1.4 本课题研究意义 | 第15-16页 |
| 1.5 本文组织结构 | 第16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 复杂网络基础理论及社区发现相关技术介绍 | 第17-31页 |
| 2.1 复杂网络基础理论 | 第17-18页 |
| 2.1.1 定义 | 第17-18页 |
| 2.1.2 特性 | 第18页 |
| 2.2 社区发现技术 | 第18-30页 |
| 2.2.1 社区定义 | 第18-19页 |
| 2.2.2 社区评价标准 | 第19-21页 |
| 2.2.3 社区发现技术介绍 | 第21-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 加权网络的社区发现算法及并行化方案 | 第31-47页 |
| 3.1 加权网络的局部社区发现算法WLCV | 第31-36页 |
| 3.1.1 极大权值点 | 第31-32页 |
| 3.1.2 局部社区发现算法——WLCV | 第32-36页 |
| 3.2 WLCV并行实现方案 | 第36-46页 |
| 3.2.1 算法并行化实现的平台介绍 | 第36-39页 |
| 3.2.2 WLCV并行化详细方案介绍 | 第39-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 实验与评估 | 第47-62页 |
| 4.1 实验平台 | 第47页 |
| 4.2 数据集介绍 | 第47-49页 |
| 4.2.1 现实世界网络 | 第47-48页 |
| 4.2.2 LFR人工合成网络 | 第48-49页 |
| 4.3 社区划分评估方法 | 第49-50页 |
| 4.4 实验结果和分析 | 第50-61页 |
| 4.4.1 验证加权算法在网络社区拓扑结构不明显时对社区发现效果的提升 | 第50-54页 |
| 4.4.2 WLCV与其它算法在实际网络上进行社区发现的对比实验 | 第54-57页 |
| 4.4.3 WLCV算法与其它算法在合成网络上的对比实验及后处理效果验证 | 第57-59页 |
| 4.4.4 WLCV对大规模网络的适应性实验 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
