基于主动学习的高效社区挖掘算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 本文结构 | 第12-14页 |
| 第2章 相关知识简述 | 第14-20页 |
| 2.1 复杂网络社区挖掘方法介绍 | 第14-17页 |
| 2.1.1 分层聚类算法 | 第14-15页 |
| 2.1.2 模块化优化算法 | 第15-16页 |
| 2.1.3 块模型算法 | 第16-17页 |
| 2.2 主动学习策略 | 第17-18页 |
| 2.2.1 不确定性策略 | 第17页 |
| 2.2.2 委员会表决策略 | 第17-18页 |
| 2.2.3 互信息下降策略 | 第18页 |
| 2.3 吉布斯采样 | 第18-19页 |
| 2.4 小结 | 第19-20页 |
| 第3章 基于主动学习的高效社区挖掘算法 | 第20-31页 |
| 3.1 引言 | 第20页 |
| 3.2 基于结点互信息的社区挖掘算法 | 第20-26页 |
| 3.2.1 算法主要思想 | 第20-22页 |
| 3.2.2 算法描述 | 第22-26页 |
| 3.2.3 算法参数设置 | 第26页 |
| 3.3 基于边的互信息的社区挖掘算法 | 第26-30页 |
| 3.3.1 算法描述 | 第27-30页 |
| 3.3.2 算法参数设置 | 第30页 |
| 3.4 小结 | 第30-31页 |
| 第4章 实验与分析 | 第31-43页 |
| 4.1 真实网络实验 | 第31-37页 |
| 4.1.1 空手道俱乐部网络 | 第31-34页 |
| 4.1.2 海豚网络 | 第34-36页 |
| 4.1.3 足球联盟网络 | 第36-37页 |
| 4.2 人工合成网络实验 | 第37-40页 |
| 4.3 基于边的互信息的算法的有效性验证 | 第40-42页 |
| 4.4 小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 本文工作总结 | 第43页 |
| 5.2 工作展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 作者简介 | 第49-50页 |
| 致谢 | 第50页 |
