基于用户亲密度与密度峰值的社区发现算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的工作 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 社区发现的相关研究 | 第16-29页 |
| 2.1 社会网络基础理论研究 | 第16-20页 |
| 2.1.1 社会网络的概念 | 第16页 |
| 2.1.2 社会网络的表示 | 第16-17页 |
| 2.1.3 社会网络特性 | 第17-20页 |
| 2.2 社区的定义 | 第20-21页 |
| 2.3 经典社区发现算法 | 第21-27页 |
| 2.3.1 基于优化思想的遗传算法 | 第21-23页 |
| 2.3.2 基于图类分割的算法 | 第23-24页 |
| 2.3.3 基于层次聚类的算法 | 第24-26页 |
| 2.3.4 基于密度的算法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于用户亲密度与密度峰值的社区发现算法 | 第29-46页 |
| 3.1 基于用户关系的亲密度计算方法 | 第29-39页 |
| 3.1.1 关注和粉丝矩阵的生成 | 第29-31页 |
| 3.1.2 直接亲密度 | 第31-33页 |
| 3.1.3 间接亲密度 | 第33-37页 |
| 3.1.4 IA-UR算法描述 | 第37-39页 |
| 3.2 基于密度峰值的社区发现算法 | 第39-43页 |
| 3.2.1 聚类算法思想 | 第39-40页 |
| 3.2.2 基于密度峰值的聚类算法 | 第40-42页 |
| 3.2.3 CDA-DP算法描述 | 第42-43页 |
| 3.3 基于用户亲密度与密度峰值的社区发现算法 | 第43-45页 |
| 3.3.1 CD-IUD算法概述 | 第43-44页 |
| 3.3.2 性能指标与评估 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 实验及结果 | 第46-60页 |
| 4.1 数据集的获取 | 第46-49页 |
| 4.1.1 数据获取方法介绍 | 第46-47页 |
| 4.1.2 实验数据集介绍 | 第47-49页 |
| 4.2 实验设计 | 第49-50页 |
| 4.2.1 设计思路 | 第49页 |
| 4.2.2 实验环境 | 第49-50页 |
| 4.3 结果与分析 | 第50-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 工作总结与未来展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者简介及在学期间所取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
