| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 论文的研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 理论基础及相关工作 | 第18-32页 |
| 2.1 复杂网络基本概念与表示 | 第18-21页 |
| 2.1.1 复杂网络定义 | 第18-19页 |
| 2.1.2 网络的表示 | 第19-21页 |
| 2.2 拓扑性质 | 第21-22页 |
| 2.2.1 度 | 第21页 |
| 2.2.2 网络的平均路径长度 | 第21-22页 |
| 2.2.3 聚类系数 | 第22页 |
| 2.3 复杂网络特性 | 第22-25页 |
| 2.3.1 节点重要性 | 第22-23页 |
| 2.3.2 网络的模型 | 第23-25页 |
| 2.4 社区相关概念 | 第25-26页 |
| 2.5 现有复杂网络非重叠社区检测算法 | 第26-29页 |
| 2.5.1 图分割算法 | 第26页 |
| 2.5.2 谱分析算法 | 第26-27页 |
| 2.5.3 层次划分方法 | 第27-28页 |
| 2.5.4 基于目标函数优化 | 第28页 |
| 2.5.5 基于随机游走的重叠社区检测算法 | 第28-29页 |
| 2.5.6 标签传播算法 | 第29页 |
| 2.6 现有复杂网络重叠社区检测算法 | 第29-31页 |
| 2.6.1 基于完全图的检测算法 | 第29-30页 |
| 2.6.2 基于局部扩展优化的检测算法 | 第30页 |
| 2.6.3 基于节点分裂的重叠社区检测算法 | 第30页 |
| 2.6.4 基于标签传播的重叠社区检测算法 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于边的标签传播的重叠社区检测算法 | 第32-37页 |
| 3.1 相关概念 | 第32-33页 |
| 3.1.1 节点自网络 | 第32页 |
| 3.1.2 节点密度 | 第32-33页 |
| 3.1.3 标签传播 | 第33页 |
| 3.2 算法描述 | 第33-35页 |
| 3.2.1 初始化 | 第33页 |
| 3.2.2 关联矩阵转化 | 第33-34页 |
| 3.2.3 边的标签传播 | 第34页 |
| 3.2.4 修正重叠节点 | 第34-35页 |
| 3.3 算法实例 | 第35-36页 |
| 3.4 复杂度分析 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于节点贡献值的标签传播重叠社区检测算法 | 第37-44页 |
| 4.1 基本概念 | 第37-39页 |
| 4.1.1 核心社区 | 第37页 |
| 4.1.2 度中心性 | 第37页 |
| 4.1.3 聚类系数 | 第37-38页 |
| 4.1.4 贡献指标 | 第38-39页 |
| 4.2 算法概述 | 第39-41页 |
| 4.2.1 寻找核心社区结构 | 第39-40页 |
| 4.2.2 构建初始社区结构 | 第40页 |
| 4.2.3 标签传播阶段 | 第40页 |
| 4.2.4 后处理阶段 | 第40-41页 |
| 4.3 算法实例 | 第41-42页 |
| 4.4 算法时间复杂度 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 实验与分析 | 第44-61页 |
| 5.1 实验数据集介绍 | 第44-46页 |
| 5.1.1 人工数据集 | 第44-45页 |
| 5.1.2 真实数据集 | 第45-46页 |
| 5.2 评价指标 | 第46-48页 |
| 5.2.1 模块度与扩展模块度 | 第47-48页 |
| 5.2.2 划分密度 | 第48页 |
| 5.3 实验结果分析与展示 | 第48-60页 |
| 5.3.1 E-LPA算法运行在人工数据集结果与分析 | 第48-50页 |
| 5.3.2 E-LPA算法运行在真实数据集结果与分析 | 第50-53页 |
| 5.3.3 CSLPA算法运行在真实数据集结果与分析 | 第53-60页 |
| 5.4 小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 论文工作总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 在学期间的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
