| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·问题的提出 | 第10-11页 |
| ·研究背景、现状及其意义 | 第11-14页 |
| ·研究背景 | 第11-13页 |
| ·研究现状 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·本文的主要成果及工作 | 第14页 |
| ·本文的结构及内容安排 | 第14-16页 |
| 第二章 复杂网络社区结构发现研究概述 | 第16-34页 |
| ·引言 | 第16页 |
| ·复杂网络的基本特性 | 第16-23页 |
| ·基本概念 | 第16-18页 |
| ·网络模型 | 第18-23页 |
| ·复杂网络的社区结构发现 | 第23-24页 |
| ·复杂网络社区结构发现方法概述 | 第24-32页 |
| ·迭代二分法 | 第24-27页 |
| ·基于Laplace 图特征值的谱平分法 | 第24-25页 |
| ·Kernighan-Lin 算法 | 第25-26页 |
| ·Wu Huberman 算法 | 第26页 |
| ·Capocci 算法 | 第26-27页 |
| ·分层聚类法 | 第27-32页 |
| ·聚集算法 | 第27-28页 |
| ·分裂算法 | 第28-32页 |
| ·复杂网络社区结构发现在网络方向的应用 | 第32-33页 |
| ·网页搜索结果分类 | 第32页 |
| ·网路病毒传播控制 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 DNA 遗传算法及PSO 算法原理 | 第34-43页 |
| ·引言 | 第34-35页 |
| ·DNA 遗传算法 | 第35-40页 |
| ·遗传算法 | 第35-39页 |
| ·算法简介 | 第35-36页 |
| ·基本步骤 | 第36-38页 |
| ·算法特点 | 第38-39页 |
| ·DNA 遗传算法的优点 | 第39-40页 |
| ·PSO 算法 | 第40-42页 |
| ·算法简述 | 第40页 |
| ·算法流程 | 第40-41页 |
| ·与其他算法的比较 | 第41-42页 |
| ·相似点 | 第41-42页 |
| ·不同点 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于DNA 遗传算法的复杂网络社区结构发现 | 第43-53页 |
| ·基于DNA 遗传算法的复杂网络社区发现 | 第43-47页 |
| ·种群初始化 | 第43-44页 |
| ·编码 | 第44页 |
| ·选择 | 第44-45页 |
| ·交叉 | 第45-46页 |
| ·变异 | 第46页 |
| ·基因转移 | 第46-47页 |
| ·实验仿真 | 第47-52页 |
| ·实验目的 | 第47页 |
| ·数据模型 | 第47-48页 |
| ·Zachary Karate Club 模型 | 第48页 |
| ·College Football Network 模型 | 第48页 |
| ·适应度函数的选择 | 第48-49页 |
| ·操作流程 | 第49-50页 |
| ·纠错操作 | 第50页 |
| ·实验结果 | 第50-51页 |
| ·结果分析 | 第51页 |
| ·时间复杂度分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于PSO 算法的复杂网络社区结构发现 | 第53-59页 |
| ·基于PSO 算法的复杂网络社区结构发现 | 第53-54页 |
| ·微粒群初始化 | 第53-54页 |
| ·参数选择 | 第54页 |
| ·进化计算 | 第54页 |
| ·操作流程 | 第54-55页 |
| ·实验仿真 | 第55-58页 |
| ·实验结果 | 第55-56页 |
| ·结果分析及改进 | 第56-58页 |
| ·带惯性权重的PSO 算法 | 第57页 |
| ·带收缩因子的PSO 算法 | 第57-58页 |
| ·基于改进的PSO 算法的复杂网络社区结构发现的实验结果 | 第58页 |
| ·时间复杂度分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论及展望 | 第59-61页 |
| ·结论 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的科研成果 | 第66-67页 |
