| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 复杂网络的研究背景及研究简史 | 第7-8页 |
| 1.2 复杂网络的基本概念 | 第8-10页 |
| 1.2.1 复杂网络的图表示 | 第8-9页 |
| 1.2.2 度与度分布 | 第9页 |
| 1.2.3 平均路径长度 | 第9-10页 |
| 1.2.4 聚类系数 | 第10页 |
| 1.3 复杂网络社区检测的几种算法 | 第10-13页 |
| 1.3.1 KL( KerNighanLin) 算法 | 第10-11页 |
| 1.3.2 GN(Girvan-Newman)算法 | 第11页 |
| 1.3.3 FEC(Finding and Extracting Communities)算法 | 第11-12页 |
| 1.3.4 Attractor算法 | 第12页 |
| 1.3.5 基于振荡器相位同步的网络动力学社区检测算法 | 第12页 |
| 1.3.6 网络相位聚类模型及应用 | 第12-13页 |
| 1.3.7 DE_M，DC_M~(?)，DEC算法 | 第13页 |
| 1.4 本文的主要工作安排 | 第13-14页 |
| 第二章 符号网络社区检测 | 第14-28页 |
| 2.1 符号网络的演化模型 | 第14-17页 |
| 2.2 算法介绍 | 第17-27页 |
| 2.2.1 算法流程图 | 第17-19页 |
| 2.2.2 小社区节点真实网络模型说明 | 第19-24页 |
| 2.2.3 大社区节点人工网络模型说明 | 第24-27页 |
| 2.3 小结 | 第27-28页 |
| 第三章 基于网络动力学的正复杂网络社区检测 | 第28-35页 |
| 3.1 复杂网络动态演化模型 | 第28-29页 |
| 3.2 算法的详细流程 | 第29-30页 |
| 3.3 实验仿真与结果分析 | 第30-31页 |
| 3.4 对标准测试集的仿真并与靳超仿真实验进行对比 | 第31-34页 |
| 3.4.1 测试空手道俱乐部网络 | 第31-33页 |
| 3.4.2 测试海豚社会网络 | 第33-34页 |
| 3.5 小结 | 第34-35页 |
| 第四章 总结与展望 | 第35-37页 |
| 4.1 本文总结 | 第35-36页 |
| 4.2 展望 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 致谢 | 第41-42页 |
| 攻读硕士学位期间取得的科研成果 | 第42页 |
