基于非负矩阵分解的社区检测关键技术研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景 | 第8-10页 |
| 1.2 课题研究的目的及意义 | 第10-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 1.5 本文结构安排 | 第17-18页 |
| 2 基于非负矩阵分解的社区检测算法概述 | 第18-27页 |
| 2.1 非负矩阵分解算法简介 | 第19-20页 |
| 2.2 基于SNMF的社区检测算法 | 第20-21页 |
| 2.3 基于SNMF的半监督社区检测算法 | 第21-24页 |
| 2.4 社区检测中常用评价指标 | 第24-25页 |
| 2.4.1 聚类准确度 | 第25页 |
| 2.4.2 标准互信息 | 第25页 |
| 2.4.3 聚类纯度 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 基于α和β更新规则的社区检测算法 | 第27-37页 |
| 3.1 基于α-SNMF的社区检测算法 | 第27-28页 |
| 3.2 基于β-SNMF的社区检测算法 | 第28-29页 |
| 3.3 数据集及实验参数设置 | 第29-31页 |
| 3.3.1 数据集简介 | 第29-30页 |
| 3.3.2 实验参数设置 | 第30-31页 |
| 3.4 社区检测实验结果及分析 | 第31-36页 |
| 3.4.1 超参数α、β对模型性能的影响 | 第31-34页 |
| 3.4.2 社区检测性能比较 | 第34-35页 |
| 3.4.3 实验结果总结 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于逐点互信息的社区检测算法 | 第37-57页 |
| 4.1 逐点互信息简介 | 第38-39页 |
| 4.2 基于PMI的网络二阶邻近度量 | 第39-40页 |
| 4.2.1 复杂网络邻近度定义 | 第39页 |
| 4.2.2 利用PMI计算节点间的二阶邻近度 | 第39-40页 |
| 4.3 图正则约束的非负矩阵分解算法 | 第40-42页 |
| 4.4 基于PMI的社区检测模型 | 第42-44页 |
| 4.5 实验设置以及结果分析 | 第44-56页 |
| 4.5.1 数据集以及实验参数设置 | 第44-46页 |
| 4.5.2 PMI公式中参数C对结果的影响 | 第46-50页 |
| 4.5.3 图正则约束参数对结果的影响 | 第50-54页 |
| 4.5.4 基于PMI的社区检测算法结果 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
