| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·主要工作和创新点 | 第8-9页 |
| ·本文结构安排 | 第9-11页 |
| 第二章 相关理论和技术 | 第11-20页 |
| ·复杂网络社区的定义 | 第11-17页 |
| ·基本定义 | 第11-12页 |
| ·局部定义 | 第12-13页 |
| ·全局定义 | 第13-16页 |
| ·基于相似度的定义 | 第16-17页 |
| ·图划分和社区检测常用方法 | 第17-20页 |
| ·The Kernighan–Lin 算法 | 第17-18页 |
| ·Girvan-Newman 算法 | 第18-20页 |
| 第三章 基于 Memetic 的节点加权图划分算法 | 第20-29页 |
| ·算法基本思想 | 第20页 |
| ·混合进化算法实现步骤 | 第20-21页 |
| ·算法介绍 | 第21-25页 |
| ·交叉算子 | 第21-23页 |
| ·适应度函数 | 第23-25页 |
| ·实验结果 | 第25-28页 |
| ·BA 网络 | 第26页 |
| ·LFR 网络 | 第26-28页 |
| ·总结 | 第28-29页 |
| 第四章 基于阈值的复杂网络社区检测算法 | 第29-40页 |
| ·引言 | 第29页 |
| ·社区检测问题描述和算法相关定义 | 第29-30页 |
| ·算法介绍 | 第30-35页 |
| ·算法思想和基本定义 | 第30-32页 |
| ·压缩模块 | 第32-33页 |
| ·再优化模块 | 第33页 |
| ·局部搜索模块 | 第33-35页 |
| ·实验结果 | 第35-39页 |
| ·评价标准 | 第35页 |
| ·计算机生成网络 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于相似度的符号网络的社区检测算法 | 第40-49页 |
| ·引言 | 第40页 |
| ·算法 | 第40-44页 |
| ·算法思想 | 第41-42页 |
| ·相似度函数 | 第42-43页 |
| ·终止条件 | 第43-44页 |
| ·实验结果 | 第44-47页 |
| ·评价标准 | 第44-45页 |
| ·真实符号网络测试 | 第45页 |
| ·计算机生成网络 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第六章 总结和展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 硕士期间研究成果 | 第55-56页 |