基于局部扩张的社团发现算法研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究背景 | 第13-14页 |
| 1.3 本文主要内容及组织结构 | 第14-16页 |
| 第二章 相关知识介绍 | 第16-32页 |
| 2.1 基本定义 | 第16-17页 |
| 2.2 社团的定义 | 第17-19页 |
| 2.3 社团结构评价标准 | 第19-23页 |
| 2.3.1 标准互信息量 | 第19-20页 |
| 2.3.2 模块度 | 第20-22页 |
| 2.3.3 扩展模块度 | 第22-23页 |
| 2.4 计算机生成网络模型 | 第23-26页 |
| 2.4.1 Newman-Benchmark | 第23-24页 |
| 2.4.2 LFR-Benchmark | 第24-26页 |
| 2.5 社团发现算法相关工作 | 第26-30页 |
| 2.5.1 基于模块度的社团发现算法 | 第26-28页 |
| 2.5.2 局部社团发现算法 | 第28-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于边聚类系数的局部社团发现算法 | 第32-52页 |
| 3.1 引言 | 第32页 |
| 3.2 问题分析 | 第32-39页 |
| 3.2.1 局部社团发现算法 | 第32-34页 |
| 3.2.2 存在的问题 | 第34-39页 |
| 3.3 算法描述 | 第39-43页 |
| 3.3.1 边聚类系数 | 第39-41页 |
| 3.3.2 算法描述 | 第41-43页 |
| 3.4 算法复杂度分析 | 第43页 |
| 3.5 实验结果 | 第43-51页 |
| 3.5.1 长尾结构及枢纽节点 | 第44-45页 |
| 3.5.2 计算机生成网络 | 第45-49页 |
| 3.5.3 真实世界网络 | 第49-51页 |
| 3.6 总结 | 第51-52页 |
| 第四章 基于多目标适应度的局部社团发现算法 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 研究背景 | 第52-55页 |
| 4.2.1 相关工作 | 第52-54页 |
| 4.2.2 问题分析 | 第54-55页 |
| 4.3 算法描述 | 第55-61页 |
| 4.3.1 帕累托最优 | 第55-57页 |
| 4.3.2 算法细节 | 第57-61页 |
| 4.4 实验结果 | 第61-65页 |
| 4.4.1 计算机生成网络 | 第61-64页 |
| 4.4.2 真实世界网络 | 第64-65页 |
| 4.5 总结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 本文工作总结 | 第66-67页 |
| 5.2 下一步的工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-73页 |
