基于高斯核及PageRank的复杂网络社区发现算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·复杂网络社区发现研究的背景与意义 | 第9-11页 |
| ·复杂网络社区发现的研究现状 | 第11-14页 |
| ·本文的研究内容与文章结构 | 第14-16页 |
| 2 复杂网络社区发现算法概述 | 第16-25页 |
| ·复杂网络社区定义及相关指标 | 第16-19页 |
| ·复杂网络社区定义 | 第16-18页 |
| ·相关指标 | 第18-19页 |
| ·复杂网络社区发现的典型算法 | 第19-25页 |
| ·K-L算法 | 第20页 |
| ·谱平分法 | 第20-22页 |
| ·层次聚类算法 | 第22页 |
| ·加权网络中的社区结构划分算法 | 第22-24页 |
| ·有向网络中的社区结构划分算法 | 第24-25页 |
| 3 基于高斯核相似矩阵的复杂网络社区发现 | 第25-42页 |
| ·引言 | 第25页 |
| ·预备知识 | 第25-28页 |
| ·基于高斯核相似矩阵的复杂网络社区发现算法 | 第28-30页 |
| ·数值实验 | 第30-41页 |
| ·评价标准 | 第30-31页 |
| ·非重叠社区结构发现 | 第31-34页 |
| ·重叠节点发现 | 第34-37页 |
| ·加权网络社区结构发现 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于PageRank的复杂网络社区发现 | 第42-54页 |
| ·引言 | 第42页 |
| ·预备知识 | 第42-47页 |
| ·基于PageRank的复杂网络社区发现算法 | 第47-50页 |
| ·数值实验 | 第50-53页 |
| ·人工合成数据社区结构发现 | 第50-51页 |
| ·真实网络数据社区结构发现 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |