大规模网络可视化关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 大数据概述 | 第12-13页 |
| 1.1.2 网络可视化 | 第13-14页 |
| 1.1.3 课题来源及意义 | 第14页 |
| 1.2 网络的抽象表示 | 第14-15页 |
| 1.3 网络可视化研究综述 | 第15-18页 |
| 1.4 问题提出 | 第18-20页 |
| 1.5 论文的主要研究内容和章节安排 | 第20-24页 |
| 1.5.1 论文的主要研究内容 | 第20-21页 |
| 1.5.2 论文的组织结构与章节安排 | 第21-24页 |
| 第二章 面向大规模网络的快速重叠社团挖掘算法 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 相关研究 | 第24-26页 |
| 2.3 Li-FOCD算法 | 第26-33页 |
| 2.3.1 问题描述 | 第26-27页 |
| 2.3.2 连接度 | 第27-29页 |
| 2.3.3 算法 | 第29-33页 |
| 2.4 实验验证 | 第33-36页 |
| 2.4.1 时间复杂度分析 | 第33-34页 |
| 2.4.2 实验分析 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于进化博弈理论的网络可视化聚类方法 | 第38-50页 |
| 3.1 引言 | 第38-39页 |
| 3.2 基本概念 | 第39-42页 |
| 3.2.1 进化博弈 | 第40-41页 |
| 3.2.2 超图 | 第41-42页 |
| 3.3 超图聚类的博弈模型 | 第42-43页 |
| 3.4 超图进化聚类 | 第43-44页 |
| 3.5 算法描述 | 第44-45页 |
| 3.6 实验验证 | 第45-49页 |
| 3.6.1 实验环境设置 | 第45页 |
| 3.6.2 高阶关联特性试验 | 第45-47页 |
| 3.6.3 自动分簇性能实验 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于非重要节点拆分融合的网络层次压缩算法 | 第50-66页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于非重要节点拆分融合的网络层次压缩算法 | 第51-59页 |
| 4.2.1 问题描述 | 第51-52页 |
| 4.2.2 拓扑重要性度量方法 | 第52-54页 |
| 4.2.3 基于节点拆分的拓扑层次聚合机制 | 第54-58页 |
| 4.2.4 算法描述 | 第58-59页 |
| 4.3 实验结果与分析 | 第59-64页 |
| 4.3.1 划分公平性测试 | 第59-60页 |
| 4.3.2 算法层次压缩效果及分析 | 第60-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 面向强连接网络的无损压缩算法 | 第66-78页 |
| 5.1 引言 | 第66-67页 |
| 5.2 研究背景与问题描述 | 第67-68页 |
| 5.3 复杂度分析 | 第68-70页 |
| 5.4 基于回溯策略的波束搜索算法 | 第70-73页 |
| 5.4.1 幂图问题的声明式模型 | 第70页 |
| 5.4.2 配置概念 | 第70页 |
| 5.4.3 波束搜索 | 第70-72页 |
| 5.4.4 优化搜索策略 | 第72-73页 |
| 5.5 仿真评估 | 第73-76页 |
| 5.5.1 启发式算法 | 第73-76页 |
| 5.5.2 最优方法评估 | 第76页 |
| 5.6 本章小结 | 第76-78页 |
| 第六章 结束语 | 第78-82页 |
| 6.1 研究成果与创新点 | 第78-79页 |
| 6.2 后续工作展望 | 第79-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-92页 |
| 附录 相关定理证明 | 第92-94页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第94页 |
