摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.3 论文主要工作 | 第12-13页 |
1.4 论文结构 | 第13-15页 |
第二章 相关理论概述 | 第15-35页 |
2.1 社交网络可视化 | 第15-24页 |
2.1.1 社交网络可视化布局算法 | 第16-22页 |
2.1.2 差分进化算法及其在可视化领域的应用 | 第22-24页 |
2.2 社区发现算法 | 第24-27页 |
2.2.1 基于模块度优化的社区发现算法 | 第24-25页 |
2.2.2 标签传播算法 | 第25-26页 |
2.2.3 派系过滤算法 | 第26-27页 |
2.3 关键节点检测 | 第27-29页 |
2.3.1 度中心性 | 第27-28页 |
2.3.2 介数中心性 | 第28页 |
2.3.3 接近中心性 | 第28-29页 |
2.4 边绑定算法 | 第29-33页 |
2.4.1 基于几何结构的边绑定 | 第30-31页 |
2.4.2 基于多级凝聚的边绑定 | 第31-32页 |
2.4.3 基于骨架结构的边绑定 | 第32-33页 |
2.5 本章小结 | 第33-35页 |
第三章 基于差分进化的社交网络可视化 | 第35-47页 |
3.1 社交网络可视化布局方案 | 第35-37页 |
3.2 基于差分进化的布局算法 | 第37-41页 |
3.2.1 基于弹簧模型的变异过程 | 第37-38页 |
3.2.2 基于概率选择的交叉过程 | 第38-39页 |
3.2.3 基于适应度函数的选择过程 | 第39-41页 |
3.3 Louvain算法 | 第41-43页 |
3.4 FDEB算法 | 第43-45页 |
3.5 本章小结 | 第45-47页 |
第四章 实验与仿真 | 第47-57页 |
4.1 实验环境 | 第47页 |
4.2 数据处理与分析 | 第47-50页 |
4.2.1 数据来源 | 第48页 |
4.2.2 属性分析 | 第48-49页 |
4.2.3 结构分析 | 第49-50页 |
4.3 仿真结果及分析 | 第50-55页 |
4.3.1 karate club可视化结果及分析 | 第50-51页 |
4.3.2 polbooks可视化结果及分析 | 第51-52页 |
4.3.3 专家合作关系网络可视化结果及分析 | 第52-55页 |
4.4 本章小结 | 第55-57页 |
第五章 总结与展望 | 第57-59页 |
5.1 本文总结 | 第57页 |
5.2 研究展望 | 第57-59页 |
参考文献 | 第59-63页 |
发表论文和参加科研情况 | 第63-65页 |
致谢 | 第65页 |