| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第10-13页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 论文主要内容 | 第11-12页 |
| 1.3 论文章节安排 | 第12-13页 |
| 第二章 复杂网络中传播动力学简介 | 第13-24页 |
| 2.1 复杂网络简介 | 第13-14页 |
| 2.2 复杂网络模型 | 第14-16页 |
| 2.2.1 ER随机网络 | 第14页 |
| 2.2.2 小世界网络 | 第14-16页 |
| 2.2.3 BA无标度网络 | 第16页 |
| 2.3 复杂网络中经典的传染病传播模型 | 第16-21页 |
| 2.3.1 SI模型 | 第17-18页 |
| 2.3.2 SIS模型 | 第18-20页 |
| 2.3.3 SIR模型 | 第20-21页 |
| 2.4 复杂网络中有代表性的中心性算法 | 第21-23页 |
| 2.4.1 度中心性 | 第21页 |
| 2.4.2 k-shell分解算法 | 第21页 |
| 2.4.3 MDD算法 | 第21-22页 |
| 2.4.4 接近中心性 | 第22页 |
| 2.4.5 介数中心性 | 第22页 |
| 2.4.6 特征向量中心性 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于分类邻居算法识别真实复杂网络中有影响力的节点 | 第24-39页 |
| 3.1 工作简介 | 第24-25页 |
| 3.2 模型与方法 | 第25-28页 |
| 3.2.1 分类邻居算法 | 第25-27页 |
| 3.2.2 SIR模型及仿真算法 | 第27-28页 |
| 3.3 仿真结果 | 第28-37页 |
| 3.3.1 真实网络数据集 | 第28-29页 |
| 3.3.2 分类邻居算法中的权重分配 | 第29-33页 |
| 3.3.3 排名相似性验证 | 第33-34页 |
| 3.3.4 排名单调性验证 | 第34-36页 |
| 3.3.5 时间复杂度比较 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 不同中心性指标在重力中心性算法中的表现 | 第39-55页 |
| 4.1 工作简介 | 第39页 |
| 4.2 重力中心性算法 | 第39-40页 |
| 4.3 模拟实验结果 | 第40-53页 |
| 4.3.1 真实网络数据集 | 第41-42页 |
| 4.3.2 k-shell分解方法在重力中心性算法中的表现 | 第42-48页 |
| 4.3.3 不同中心性指标在重力中心性算法中的表现 | 第48-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55页 |
| 5.2 未来展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
