| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.3 本文的研究内容 | 第15页 |
| 1.4 本文章节安排 | 第15-18页 |
| 2 复杂网络相关理论和技术 | 第18-32页 |
| 2.1 复杂网络概述 | 第18-24页 |
| 2.1.1 复杂网络的表示方法 | 第18-20页 |
| 2.1.2 复杂网络的结构特性 | 第20-24页 |
| 2.2 复杂网络中的社团结构 | 第24-26页 |
| 2.2.1 社团的概念 | 第24-25页 |
| 2.2.2 社团的层次性 | 第25页 |
| 2.2.3 社团的重叠性 | 第25-26页 |
| 2.3 社团检测的度量标准 | 第26-27页 |
| 2.3.1 模块度函数 | 第26-27页 |
| 2.3.2 标准化互信息量 | 第27页 |
| 2.4 Hadoop技术 | 第27-30页 |
| 2.4.1 HDFS分布式文件系统 | 第28-29页 |
| 2.4.2 MapReduce编程模型 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 复杂网络的社团检测算法分析 | 第32-40页 |
| 3.1 基于图分割的方法 | 第32-34页 |
| 3.1.1 Kernighan-Lin算法 | 第32-33页 |
| 3.1.2 谱平分法 | 第33-34页 |
| 3.2 基于模块度优化的社团检测算法 | 第34-36页 |
| 3.2.1 分裂算法 | 第34-35页 |
| 3.2.2 凝聚算法 | 第35-36页 |
| 3.3 基于相似度的社团检测算法 | 第36-38页 |
| 3.3.1 K-means算法 | 第36页 |
| 3.3.2 仿射传播算法 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 基于相似度的有向网络社团检测算法 | 第40-52页 |
| 4.1 算法的理论基础 | 第40-44页 |
| 4.1.1 相似度度量 | 第40-42页 |
| 4.1.2 Newman贪婪算法 | 第42-44页 |
| 4.2 基于相似度改进的有向网络社团检测算法 | 第44-47页 |
| 4.2.1 算法思想 | 第44页 |
| 4.2.2 算法描述 | 第44-46页 |
| 4.2.3 算法分析 | 第46-47页 |
| 4.3 基于相似度的有向网络社团检测算法在Hadoop上的实现 | 第47-51页 |
| 4.3.1 SimRank相似度矩阵构建的并行化 | 第47-49页 |
| 4.3.2 基于相似度的有向网络社团检测算法的并行化 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 实验结果与分析 | 第52-62页 |
| 5.1 实验环境 | 第52-53页 |
| 5.1.1 单机环境 | 第52页 |
| 5.1.2 Hadoop集群环境 | 第52-53页 |
| 5.2 实验数据集 | 第53-54页 |
| 5.2.1 计算机生成网络 | 第53-54页 |
| 5.2.2 真实网络 | 第54页 |
| 5.3 有向网络社团检测算法在单机环境下的实验 | 第54-58页 |
| 5.3.1 计算机生成网络上的实验 | 第54-56页 |
| 5.3.2 真实网络上的实验 | 第56-57页 |
| 5.3.3 对比实验 | 第57-58页 |
| 5.4 有向网络社团检测算法在分布式环境下的实验 | 第58-60页 |
| 5.4.1 不同环境下算法的执行效率 | 第58-59页 |
| 5.4.2 分布式算法的可扩展性 | 第59页 |
| 5.4.3 分布式算法的准确性 | 第59-60页 |
| 5.5 本章小结 | 第60-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |