首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于粒子群优化算法的复杂网络社区发现

摘要第6-7页
Abstract第7页
第1章 绪论第11-16页
    1.1 研究背景与意义第11-12页
    1.2 国内外研究现状第12-14页
    1.3 论文研究内容及章节安排第14-16页
        1.3.1 论文研究内容第14页
        1.3.2 本论文章节安排第14-16页
第2章 相关技术介绍第16-29页
    2.1 粒子群优化算法第16-21页
        2.1.1 粒子群优化算法概述第16页
        2.1.2 粒子群优化算法原理第16-17页
        2.1.3 标准粒子群优化算法sPSO第17-20页
        2.1.4 二进制粒子群优化算法bPSO第20-21页
    2.2 社区发现相关技术介绍第21-25页
        2.2.1 社区的基本含义第21页
        2.2.2 社区发现的评价第21-23页
        2.2.3 传统社区发现算法第23-25页
        2.2.4 基于模块度的Fast Unfolding算法第25页
    2.3 云计算相关技术介绍第25-28页
        2.3.1 Hadoop简介第25页
        2.3.2 MapReduce简介第25-27页
        2.3.3 HDFS简介第27-28页
    2.4 本章小结第28-29页
第3章 基于PSO的社区发现实现策略与改进第29-41页
    3.1 基于二进制粒子群算法(bPSO)的社区发现方法第29-30页
        3.1.1 bPSO粒子群编码第29-30页
        3.1.2 bPSO粒子群初始化及训练第30页
        3.1.3 bPSO算法分析第30页
    3.2 基于标准粒子群算法(sPSO)的社区发现第30-32页
        3.2.1 sPSO粒子群编码第30-31页
        3.2.2 sPSO粒子群初始化及训练第31页
        3.2.3 sPSO算法分析第31-32页
    3.3 速度概率轮盘赌二进制粒子群算法(VP-bPSO)第32-35页
        3.3.1 算法改进策略第32-34页
        3.3.2 VP-bPSO算法分析第34-35页
    3.4 VP-bPSO与Fast Unfolding结合的FU-VP-bPSO算法第35-38页
        3.4.1 Fast Unfolding算法分析第35页
        3.4.2 算法结合策略第35-38页
        3.4.3 FU-VP-bPSO算法分析第38页
    3.5 VP-bPSO对重叠社区的发现第38-40页
    3.6 本章小结第40-41页
第4章 基于PSO的社区发现算法的并行设计与改进第41-48页
    4.1 基于MapReduce的粒子群算法设计第41-42页
    4.2 子粒子群算法改进并行策略第42-44页
    4.3 共享机制改进并行策略第44-46页
    4.4 本章小结第46-48页
第5章 实验设计及结果分析第48-60页
    5.1 实验数据与环境第48页
    5.2 VP-bPSO算法有效性实验第48-51页
    5.3 VP-bPSO、bPSO和sPSO算法性能对比实验第51-53页
    5.4 FU-VP-bPSO和VP-bPSO算法性能对比实验第53-54页
    5.5 FU-VP-bPSO和Fast Unfolding算法对比结果实验第54-56页
    5.6 VP-bPSO发现重叠社区实验第56页
    5.7 VP-bPSO并行性能实验第56-58页
    5.8 VP-bPSO改进并行共享机制算法效果实验第58-59页
    5.9 本章小结第59-60页
结论与展望第60-62页
    结论第60-61页
    进一步工作第61-62页
致谢第62-63页
参考文献第63-67页
攻读硕士学位期间发表的论文及科研成果第67页

论文共67页,点击 下载论文
上一篇:大规模复杂网络社区发现与社区进化分析技术研究
下一篇:一类四阶非线性Schr(?)dinger方程的研究