基于信息传播的社团发现算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容及创新点 | 第11-12页 |
| 1.4 本文章节安排 | 第12-14页 |
| 第2章 复杂网络及其社团结构的相关理论 | 第14-26页 |
| 2.1 复杂网络的相关理论 | 第14-19页 |
| 2.1.1 基本概念及其特性 | 第14-15页 |
| 2.1.2 网络的图表示 | 第15-16页 |
| 2.1.3 复杂网络的统计特性 | 第16-19页 |
| 2.2 社团的定义 | 第19-20页 |
| 2.3 社团算法的度量指标 | 第20-22页 |
| 2.3.1 模块度函数 | 第20-21页 |
| 2.3.2 社团的准确度和精确度 | 第21-22页 |
| 2.4 经典的社团检测网络 | 第22-24页 |
| 2.4.1 计算机生成网络 | 第22-23页 |
| 2.4.2 真实网络 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 社团发现算法介绍 | 第26-34页 |
| 3.1 Kernighan-Lin算法 | 第26-27页 |
| 3.2 谱平分法 | 第27-28页 |
| 3.3 派系过滤算法 | 第28-30页 |
| 3.4 GN算法 | 第30-31页 |
| 3.5 Newman快速算法 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第4章 基于信号自适应传递的社团发现算法 | 第34-46页 |
| 4.1 基于信号传递的社团发现算法 | 第34-36页 |
| 4.2 相似性度量与层次聚类 | 第36-38页 |
| 4.2.1 相似性度量 | 第36-37页 |
| 4.2.2 层次聚类 | 第37-38页 |
| 4.3 SAC算法 | 第38-40页 |
| 4.3.1 自适应调整传递次数的策略 | 第38-40页 |
| 4.3.2 算法描述 | 第40页 |
| 4.4 实验仿真 | 第40-44页 |
| 4.4.1 Zachary网络 | 第41页 |
| 4.4.2 海豚关系网 | 第41-42页 |
| 4.4.3 美国大学足球赛网络 | 第42-44页 |
| 4.5 几种算法的比较 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 基于影响度的标签传播社团发现算法 | 第46-56页 |
| 5.1 标签传播算法 | 第46-48页 |
| 5.2 影响度 | 第48页 |
| 5.3 ILPA算法描述 | 第48-50页 |
| 5.3.1 算法描述 | 第48-49页 |
| 5.3.2 标签传播策略 | 第49页 |
| 5.3.3 收敛条件 | 第49-50页 |
| 5.4 实验仿真 | 第50-53页 |
| 5.4.1 Zachary网络 | 第50-51页 |
| 5.4.2 海豚关系网 | 第51-52页 |
| 5.4.3 美国大学足球赛网络 | 第52-53页 |
| 5.5 几种算法的比较 | 第53页 |
| 5.6 本章小结 | 第53-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间科研成果 | 第66页 |
