社交网络信息源检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 论文章节安排 | 第17-19页 |
| 第二章 复杂网络技术理论基础 | 第19-41页 |
| 2.1 引言 | 第19-20页 |
| 2.2 复杂网络相关知识 | 第20-36页 |
| 2.2.1 复杂网络的概念 | 第20-26页 |
| 2.2.2 复杂网络基本术语 | 第26-30页 |
| 2.2.3 复杂网络搜索策略 | 第30-36页 |
| 2.3 网络模型 | 第36-40页 |
| 2.3.1 规则网络模型 | 第37-38页 |
| 2.3.2 随机网络模型 | 第38页 |
| 2.3.3 小世界网络模型 | 第38-39页 |
| 2.3.4 无标度网络模型 | 第39-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 观察点部署策略研究 | 第41-55页 |
| 3.1 引言 | 第41-42页 |
| 3.2 网络传播模型 | 第42-43页 |
| 3.3 度相关性 | 第43页 |
| 3.4 无向网络节点重要性指标 | 第43-47页 |
| 3.4.1 度中心性 | 第44页 |
| 3.4.2 介数中心性 | 第44-45页 |
| 3.4.3 接近中心性 | 第45页 |
| 3.4.4 k-核分解 | 第45-46页 |
| 3.4.5 特征向量中心性 | 第46-47页 |
| 3.5 基于r覆盖率观察点部署策略 | 第47-53页 |
| 3.5.1 r覆盖率 | 第48-49页 |
| 3.5.2 基于r覆盖率的观察点集选取算法 | 第49-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 信息源检测算法研究 | 第55-64页 |
| 4.1 网络传播模型 | 第55-56页 |
| 4.2 基于相似度的单信息源检测算法 | 第56-58页 |
| 4.3 基于肯德尔相关系数的单信息源检测算法 | 第58-59页 |
| 4.4 基于时间差的单信息源检测算法 | 第59-60页 |
| 4.5 实验验证及分析 | 第60-63页 |
| 4.6 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 论文总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻硕期间取得的研究成果 | 第70-71页 |
