基于概率模型的重叠社区发现算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究内容及主要工作 | 第14-15页 |
| ·论文的组织结构 | 第15-16页 |
| 2 社区发现理论基础 | 第16-32页 |
| ·网络的基本性质 | 第16-18页 |
| ·网络的图表示 | 第16页 |
| ·聚类系数 | 第16-17页 |
| ·平均路径长度与介数 | 第17-18页 |
| ·度分布 | 第18页 |
| ·社区发现算法 | 第18-29页 |
| ·传统图类及聚类方法 | 第19-20页 |
| ·分裂方法 | 第20-21页 |
| ·基于模块度优化方法 | 第21-23页 |
| ·基于统计推理的方法 | 第23-26页 |
| ·重叠社区发现算法 | 第26-29页 |
| ·社区结构评价标准 | 第29-31页 |
| ·小结 | 第31-32页 |
| 3 SPAEM概率模型 | 第32-39页 |
| ·概率混合模型及参数估计 | 第32-34页 |
| ·概率混合模型 | 第32页 |
| ·EM算法 | 第32-34页 |
| ·SPAEM模型 | 第34-38页 |
| ·算法思想 | 第34-36页 |
| ·参数估计 | 第36-37页 |
| ·重叠节点 | 第37-38页 |
| ·算法分析 | 第38页 |
| ·小结 | 第38-39页 |
| 4 SPAEM算法改进 | 第39-50页 |
| ·模型求解优化 | 第39-44页 |
| ·SPAEM算法时间复杂度分析 | 第39-42页 |
| ·EM迭代优化 | 第42-44页 |
| ·初始值优化的改进SPAEM算法 | 第44-49页 |
| ·算法思路 | 第44-47页 |
| ·初始化方法 | 第47-49页 |
| ·小结 | 第49-50页 |
| 5 实验及结果分析 | 第50-65页 |
| ·实验设置 | 第50页 |
| ·实验评价标准 | 第50-51页 |
| ·准确度标准 | 第50页 |
| ·时间复杂度标准 | 第50-51页 |
| ·基于真实数据的实验 | 第51-56页 |
| ·Karate数据集 | 第51-52页 |
| ·Dolphins数据集 | 第52-54页 |
| ·Netscienee数据集 | 第54页 |
| ·Power数据集 | 第54-55页 |
| ·protein-protein数据集 | 第55页 |
| ·Blogs数据集 | 第55-56页 |
| ·word-assoeitaion数据集 | 第56页 |
| ·PGP数据集 | 第56页 |
| ·基于人工数据的实验 | 第56-60页 |
| ·结果分析 | 第60-63页 |
| ·基于真实数据的准确率分析 | 第60-61页 |
| ·基于真实数据的效率分析 | 第61-63页 |
| ·基于人工数据的结果分析 | 第63页 |
| ·小结 | 第63-65页 |
| 6 结论 | 第65-67页 |
| ·论文工作总结 | 第65页 |
| ·未来的研究工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 学位论文数据集 | 第71页 |
