基于SCAN算法的社区发现算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外相关研究与应用现状 | 第12-15页 |
| 1.2.1 传统社区发现算法研究现状 | 第12-13页 |
| 1.2.2 重叠社区的社区发现算法研究现状 | 第13-14页 |
| 1.2.3 动态网络社区发现算法研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-17页 |
| 1.4 论文内容的组织 | 第17-18页 |
| 第二章 社区发现理论算法和SCAN算法 | 第18-28页 |
| 2.1 相关理论 | 第18-22页 |
| 2.1.1 社交网络 | 第18页 |
| 2.1.2 社区结构 | 第18页 |
| 2.1.3 距离与相似度度量 | 第18-20页 |
| 2.1.4 模块度Q | 第20页 |
| 2.1.5 人工合成网络 | 第20-22页 |
| 2.2 SCAN算法 | 第22-27页 |
| 2.2.1 结构连接聚类相关定义 | 第22-25页 |
| 2.2.2 SCAN算法 | 第25-27页 |
| 2.2.3 存在不足 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于SCAN的重叠社区发现算法 | 第28-47页 |
| 3.1 LED算法基础 | 第28-33页 |
| 3.1.1 结构相似度 | 第28-29页 |
| 3.1.2 循环删边操作 | 第29-32页 |
| 3.1.3 重叠节点检测 | 第32-33页 |
| 3.2 LED算法 | 第33-34页 |
| 3.3 时间复杂度分析 | 第34-35页 |
| 3.4 参数选取研究 | 第35-37页 |
| 3.5 实验 | 第37-46页 |
| 3.5.1 效率 | 第37-39页 |
| 3.5.2 效果 | 第39-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于SCAN的动态社区发现算法 | 第47-58页 |
| 4.1 研究背景 | 第47页 |
| 4.2 LEDD算法 | 第47-52页 |
| 4.2.1 影响区域 | 第47-49页 |
| 4.2.2 LEDD算法描述 | 第49-52页 |
| 4.3 时间复杂度分析 | 第52页 |
| 4.4 实验 | 第52-57页 |
| 4.4.1 人工生成网络 | 第52-54页 |
| 4.4.2 真实网络 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 结束语 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |
