| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究工作的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 复杂网络及相关内容概述 | 第11-15页 |
| 1.2.2 社团挖掘算法 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 本文结构安排 | 第18-20页 |
| 第二章 相关技术理论 | 第20-28页 |
| 2.1 刻画节点间相似性的度量方法 | 第20-23页 |
| 2.1.1 基于网络半结构信息定义相似度的方法 | 第20-21页 |
| 2.1.2 基于网络结构信息定义相似度的方法 | 第21-22页 |
| 2.1.3 采用动力学方式定义节点相似度的方法 | 第22-23页 |
| 2.2 基于节点相似度的网络社团挖掘的一般流程 | 第23页 |
| 2.3 基于节点相似度的经典聚类算法 | 第23-27页 |
| 2.3.1 Affinity Propagation近邻传播聚类算法 | 第24-26页 |
| 2.3.2 基于复杂网络局域同步理论的聚类算法 | 第26-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 网络社团结构参数对不同相似性度量方法的影响 | 第28-38页 |
| 3.1 问题的提出与相关工作 | 第28页 |
| 3.2 复杂网络的社团结构 | 第28-29页 |
| 3.3 影响社团结构强度的参数 | 第29-31页 |
| 3.3.1 模块度函数Q | 第29-30页 |
| 3.3.2 基于模块度的社团检测算法 | 第30-31页 |
| 3.4 实验设计 | 第31-33页 |
| 3.4.1 实验数据集 | 第31-32页 |
| 3.4.2 实验过程及评价方法 | 第32-33页 |
| 3.5 实验结果分析 | 第33-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于模拟网络的社团挖掘聚类算法 | 第38-50页 |
| 4.1 问题提出与相关工作 | 第38页 |
| 4.2 经典复杂网络生成模型 | 第38-40页 |
| 4.2.1 ER网络模型 | 第38-39页 |
| 4.2.2 WS网络模型 | 第39页 |
| 4.2.3 BA网络模型 | 第39-40页 |
| 4.3 可调节社团结构强度参数的网络模型 | 第40-42页 |
| 4.4 实验设计 | 第42-43页 |
| 4.4.1 实验数据集及相关处理 | 第42页 |
| 4.4.2 实验过程与评价 | 第42-43页 |
| 4.5 实验结果分析 | 第43-49页 |
| 4.5.1 模块度和社团个数分析 | 第43-44页 |
| 4.5.2 聚类结果比较分析 | 第44-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于实际网络的社团挖掘聚类算法研究 | 第50-62页 |
| 5.1 问题提出与相关工作 | 第50页 |
| 5.2 实际网络与模拟网络的比较 | 第50-51页 |
| 5.3 实验设计 | 第51-53页 |
| 5.3.1 实验数据集 | 第51页 |
| 5.3.2 实验步骤与结果比较 | 第51-53页 |
| 5.4 实验结果与分析 | 第53-61页 |
| 5.4.1 同步聚类检测结果的分析 | 第54-58页 |
| 5.4.2 AP聚类检测结果的分析 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 全文总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 下一步工作的展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间取得的成果 | 第70-71页 |