| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 Weka 环境简介 | 第14-16页 |
| 1.3 国内外研究现状和发展 | 第16-17页 |
| 1.4 论文的研究内容及组织结构 | 第17-19页 |
| 第二章 模糊聚类算法综述 | 第19-27页 |
| 2.1 模糊集概念 | 第19-21页 |
| 2.2 模糊聚类 | 第21-24页 |
| 2.3 经典模糊聚类算法 | 第24-26页 |
| 2.3.1 模糊 C 均值（Fuzzy C-Means, FCM）算法 | 第24-25页 |
| 2.3.2 调和 K 均值（K-Harmonic Means, KHM）算法 | 第25-26页 |
| 2.4 小结 | 第26-27页 |
| 第三章 基于和声搜索的模糊聚类算法 | 第27-44页 |
| 3.1 和声搜索简介 | 第27-31页 |
| 3.2 基于和声搜索的 GDACHSKHM 聚类算法 | 第31-37页 |
| 3.2.1 动态和声搜索 DCHS 算法 | 第31-33页 |
| 3.2.2 自适应和声搜索 DACHS 算法 | 第33-35页 |
| 3.2.3 全局自适应和声搜索 GDACHS 算法 | 第35页 |
| 3.2.4 混合 GDACHSKHM 算法 | 第35-37页 |
| 3.3 实验设计与结果 | 第37-43页 |
| 3.3.1 实验设计 | 第37-38页 |
| 3.3.2 GDACHSKHM 与 KHM 和 HSKHM 算法比较 | 第38-41页 |
| 3.3.3 GDACHSKHM 与 Weka 现有的聚类算法比较 | 第41-43页 |
| 3.4 小结 | 第43-44页 |
| 第四章 基于谱分析的模糊聚类算法 | 第44-55页 |
| 4.1 谱图理论 | 第44-45页 |
| 4.2 谱聚类算法 | 第45-48页 |
| 4.3 基于谱分析的模糊聚类算法 SPDEKHM | 第48-52页 |
| 4.3.1 差分进化算法 DE | 第48-50页 |
| 4.3.2 差分进化调和 K 均值算法 DEKHM | 第50-51页 |
| 4.3.3 混合 SPDEKHM 算法 | 第51-52页 |
| 4.4 实验设计与结果 | 第52-54页 |
| 4.5 小结 | 第54-55页 |
| 第五章 应用研究：基于谱聚类的社团检测算法 | 第55-70页 |
| 5.1 复杂网络的社团检测 | 第55-59页 |
| 5.1.1 复杂网络的社团结构特征 | 第55-56页 |
| 5.1.2 社团检测的意义 | 第56页 |
| 5.1.3 复杂网络中社团结构的模块度指标 | 第56-57页 |
| 5.1.4 复杂网络社团检测结果的共同信息比较法 | 第57页 |
| 5.1.5 社团检测的研究现状与存在的问题 | 第57-59页 |
| 5.2 谱映射过程 | 第59-63页 |
| 5.2.1 谱映射的基本原理 | 第59-60页 |
| 5.2.2 常用矩阵的构造方法 | 第60-61页 |
| 5.2.3 关联矩阵 | 第61-63页 |
| 5.3 基于关联矩阵谱映射的自适应社团检测算法 | 第63-64页 |
| 5.4 实验设计与结果 | 第64-69页 |
| 5.4.1. 模拟网络实验结果与分析 | 第64-66页 |
| 5.4.2. 真实网络实验结果与分析 | 第66-69页 |
| 5.5 小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 6.1 工作总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-80页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第80-81页 |
| 作者在攻读硕士学位期间所作的项目 | 第81-82页 |
| 致谢 | 第82页 |
