复杂网络的社区发现算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17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 本文主要工作 | 第15页 |
| 1.4 本文组织架构 | 第15-17页 |
| 第2章 复杂网络与社区发现相关理论 | 第17-28页 |
| 2.1 复杂网络的简介 | 第17-19页 |
| 2.1.1 复杂网络的概念 | 第17页 |
| 2.1.2 复杂网络的发展历程 | 第17-19页 |
| 2.2 复杂网络的特性 | 第19-23页 |
| 2.2.1 复杂性 | 第19-20页 |
| 2.2.2 小世界特性 | 第20-21页 |
| 2.2.3 无标度特性 | 第21-22页 |
| 2.2.4 中心性特性 | 第22-23页 |
| 2.3 社区发现 | 第23-25页 |
| 2.3.1 社区结构 | 第23-24页 |
| 2.3.2 社区结构评价指标 | 第24-25页 |
| 2.4 社区发现算法 | 第25-27页 |
| 2.4.1 GN算法 | 第25页 |
| 2.4.2 Kernighan-Lin算法 | 第25-26页 |
| 2.4.3 LFK算法 | 第26-27页 |
| 2.4.4 谱平分算法 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 局部相似性聚类预处理的社区发现算法 | 第28-39页 |
| 3.1 研究背景 | 第28-29页 |
| 3.2 局部相似性聚类预处理算法相关概念 | 第29-35页 |
| 3.2.1 聚类分析与社区划分的联系 | 第29页 |
| 3.2.2 相似性度量方法 | 第29-31页 |
| 3.2.3 相关聚类算法 | 第31-33页 |
| 3.2.4 特征间隙 | 第33页 |
| 3.2.5 PageRank参考参考指标 | 第33-34页 |
| 3.2.6 适应度与fit函数 | 第34-35页 |
| 3.3 局部相似性聚类预处理算法 | 第35-38页 |
| 3.3.1 算法思想 | 第35-37页 |
| 3.3.2 算法过程 | 第37-38页 |
| 3.3.3 算法总结 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 局部相似聚类预处理算法实验 | 第39-47页 |
| 4.1 模块度与纯净度 | 第39-40页 |
| 4.2 海豚数据集 | 第40-42页 |
| 4.3 空手道俱乐部数据集 | 第42-43页 |
| 4.4 美国大学橄榄球数据集 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47页 |
| 5.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 作者简介及在学期间所获得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |
