| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 社区发现研究现状 | 第9-13页 |
| 1.2.2 近邻传播算法研究现状 | 第13-14页 |
| 1.3 研究内容及论文框架 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 论文框架 | 第15-16页 |
| 1.4 本文创新点 | 第16-18页 |
| 第二章 相关理论概述 | 第18-26页 |
| 2.1 网络的结构特征 | 第18-19页 |
| 2.2 社区质量评价指标 | 第19-21页 |
| 2.2.1 内部指标 | 第19-20页 |
| 2.2.2 外部指标 | 第20-21页 |
| 2.3 网络结构相似性 | 第21-23页 |
| 2.3.1 基于局部信息的相似性指标 | 第22页 |
| 2.3.2 基于随机游走的相似性指标 | 第22-23页 |
| 2.4 近邻传播算法 | 第23-26页 |
| 第三章 有叠加效应的局部随机游走近邻传播算法(SRWAP) | 第26-32页 |
| 3.1 传统近邻传播算法的相似性度量 | 第26页 |
| 3.2 基于随机游走理论改进相似性度量 | 第26-28页 |
| 3.2.1 随机游走基本思想 | 第26-27页 |
| 3.2.2 随机游走模型 | 第27页 |
| 3.2.3 有叠加效应的局部随机游走指标 | 第27-28页 |
| 3.3 SRWAP算法 | 第28-31页 |
| 3.3.1 算法设计思路 | 第28-29页 |
| 3.3.2 算法描述 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 局部朴素贝叶斯近邻传播算法(LNBCNAP) | 第32-41页 |
| 4.1 局部朴素贝叶斯模型 | 第32-35页 |
| 4.1.1 朴素贝叶斯 | 第32页 |
| 4.1.2 局部朴素贝叶斯模型 | 第32-35页 |
| 4.2 基于局部朴素贝叶斯模型的结构相似性改进 | 第35-37页 |
| 4.2.1 局部朴素贝叶斯模型刻画节点相似性的不足分析 | 第35-36页 |
| 4.2.2 局部朴素贝叶斯模型相似性改进 | 第36-37页 |
| 4.3 LNBCNAP算法 | 第37-40页 |
| 4.3.1 算法设计思路 | 第37-38页 |
| 4.3.2 算法描述 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 实验验证 | 第41-59页 |
| 5.1 实验环境及数据准备 | 第41-43页 |
| 5.2 人工数据集实验 | 第43-52页 |
| 5.2.1 SRWAP算法在人工数据集上的实验 | 第43-48页 |
| 5.2.2 LNBCNAP算法在人工数据集上的实验 | 第48-52页 |
| 5.2.3 实验小结 | 第52页 |
| 5.3 真实数据集实验 | 第52-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-79页 |
| 个人简历及研究成果 | 第79页 |
