| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 复杂网络研究的背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 问题提出 | 第11-12页 |
| 1.3.1 局部扩展算法的种子筛选和算法高复杂度问题 | 第11页 |
| 1.3.2 传统遗传算法中存在的“早熟”现象 | 第11-12页 |
| 1.4 本文的主要研究内容和章节安排 | 第12-14页 |
| 第2章 复杂网络社区发现算法的基本概述 | 第14-22页 |
| 2.1 复杂网络的基本性质 | 第14-17页 |
| 2.1.1 真实网络的形式化表示 | 第14页 |
| 2.1.2 复杂网络的统计量 | 第14-16页 |
| 2.1.3 复杂网络特征 | 第16-17页 |
| 2.2 复杂网络社区结构发现算法 | 第17-20页 |
| 2.2.1 基于分割的社区发现算法 | 第17-18页 |
| 2.2.2 基于扩展的社区发现算法 | 第18页 |
| 2.2.3 基于优化的社区发现算法 | 第18-19页 |
| 2.2.4 基于人工智能的社区发现算法 | 第19-20页 |
| 2.3 社区评价指标 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 关联度在不同网络上的统计特征 | 第22-31页 |
| 3.1 节点相似性度量 | 第22-24页 |
| 3.2 关联度在不同类型网络中的统计特征 | 第24-30页 |
| 3.2.1 规则网络 | 第24-25页 |
| 3.2.2 随机网络 | 第25-26页 |
| 3.2.3 小世界网络 | 第26-28页 |
| 3.2.4 无标度网络 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于关联度与引力的复杂网络社区发现 | 第31-45页 |
| 4.1 基于关联度与引力的社区发现算法 | 第31-36页 |
| 4.1.1 基本思想 | 第31页 |
| 4.1.2 相关定义 | 第31-32页 |
| 4.1.3 算法描述 | 第32-35页 |
| 4.1.4 算法复杂度分析 | 第35-36页 |
| 4.2 实验结果及分析 | 第36-44页 |
| 4.2.1 真实基准网络 | 第36-42页 |
| 4.2.2 人工基准网络 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 基于混沌序列遗传算法的复杂网络社区发现 | 第45-62页 |
| 5.1 遗传算法概述 | 第45-48页 |
| 5.2 混沌序列简介 | 第48-51页 |
| 5.3 CGA算法 | 第51-54页 |
| 5.3.1 适应度函数—R函数 | 第51页 |
| 5.3.2 混沌序列 | 第51页 |
| 5.3.3 混沌遗传算法过程 | 第51-54页 |
| 5.3.4 算法描述 | 第54页 |
| 5.3.5 算法时间复杂度分析 | 第54页 |
| 5.4 实验结果与分析 | 第54-61页 |
| 5.4.1 真实世界网络 | 第55-59页 |
| 5.4.2 人工合成网络 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文总结 | 第62页 |
| 6.2 下一步研究 | 第62-64页 |
| 参考文献 | 第64-72页 |
| 致谢 | 第72-73页 |
| 在读期间公开发表论文(著)及科研情况 | 第73页 |