大规模复杂网络社区发现与社区进化分析技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 复杂网络研究现状 | 第12-13页 |
| 1.2.2 社区发现研究现状 | 第13-15页 |
| 1.2.3 社区进化研究现状 | 第15-16页 |
| 1.3 本文主要贡献与章节安排 | 第16-19页 |
| 1.3.1 本文主要贡献 | 第16-17页 |
| 1.3.2 章节安排 | 第17-19页 |
| 第2章 相关工作 | 第19-29页 |
| 2.1 相关概念 | 第19-23页 |
| 2.2 社区发现算法概述 | 第23-25页 |
| 2.2.1 基于模块度的社区发现算法 | 第23页 |
| 2.2.2 基于标签传播的社区发现算法 | 第23-24页 |
| 2.2.3 基于子图的社区发现算法 | 第24页 |
| 2.2.4 基于信息论的社区发现算法 | 第24-25页 |
| 2.3 社区进化算法 | 第25-27页 |
| 2.3.1 静态时间片社区进化分析 | 第25-26页 |
| 2.3.2 动态增量社区进化分析 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于多社区合并的快速并行社区发现算法 | 第29-36页 |
| 3.1 多社区选择模型 | 第29-30页 |
| 3.2 模块度增量更新算法 | 第30-33页 |
| 3.3 算法实现 | 第33-35页 |
| 3.3.1 多社区选择 | 第33-34页 |
| 3.3.2 模块度增量更新 | 第34页 |
| 3.3.3 社区可视化 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于弱事件的社区进化分析 | 第36-42页 |
| 4.1 事件定义 | 第36-38页 |
| 4.1.1 强事件定义 | 第36-37页 |
| 4.1.2 弱事件定义 | 第37-38页 |
| 4.2 算法实现 | 第38-41页 |
| 4.2.1 链式存储结构 | 第38-39页 |
| 4.2.2 数据初始化 | 第39页 |
| 4.2.3 保持消失及其伴随事件挖掘 | 第39-40页 |
| 4.2.4 扩张和收缩事件挖掘 | 第40页 |
| 4.2.5 分裂及其伴随事件挖掘 | 第40-41页 |
| 4.3 本章小结 | 第41-42页 |
| 第5章 实验与分析 | 第42-55页 |
| 5.1 社区发现实验 | 第42-49页 |
| 5.1.1 实验配置 | 第42-44页 |
| 5.1.2 社区发现准确性分析 | 第44-45页 |
| 5.1.3 社区识别质量分析 | 第45-48页 |
| 5.1.4 算法效率分析 | 第48-49页 |
| 5.2 社区进化实验 | 第49-54页 |
| 5.2.1 实验配置 | 第49-50页 |
| 5.2.2 事件发现数量分析 | 第50-51页 |
| 5.2.3 事件发现质量分析 | 第51-53页 |
| 5.2.4 事件挖掘效率对比 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 结论与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第63页 |
