社交网络中的社区聚集研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.3 论文的主要工作 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第二章 社交网络模型与社区发现算法 | 第14-27页 |
| 2.1 社交网络模型研究 | 第14-20页 |
| 2.1.1 社交网络模型 | 第14-16页 |
| 2.1.2 社交网络个体特征 | 第16-17页 |
| 2.1.3 社交网络整体特征 | 第17-20页 |
| 2.2 社区发现算法 | 第20-26页 |
| 2.2.1 社区定义 | 第20-21页 |
| 2.2.2 社区发现算法的量化评价 | 第21-22页 |
| 2.2.3 图划分算法 | 第22-23页 |
| 2.2.4 层次聚类算法 | 第23-25页 |
| 2.2.5 谱聚类方法 | 第25-26页 |
| 2.2.6 其它算法 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于邻接向量传播的社区发现算法 | 第27-38页 |
| 3.1 相似度 | 第27-29页 |
| 3.1.1 重叠邻居相似度定义 | 第27-28页 |
| 3.1.2 邻接向量相似度定义 | 第28-29页 |
| 3.2 邻接向量传播算法 | 第29-33页 |
| 3.2.1 算法过程 | 第29-31页 |
| 3.2.2 算法参数 | 第31页 |
| 3.2.3 算法结果 | 第31-32页 |
| 3.2.4 算法扩展 | 第32页 |
| 3.2.5 算法示例 | 第32-33页 |
| 3.3 基于邻接向量的层次聚类算法 | 第33-37页 |
| 3.3.1 算法过程 | 第34-35页 |
| 3.3.2 算法示例 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 算法实现与复杂度分析 | 第38-47页 |
| 4.1 数据结构选择 | 第38-41页 |
| 4.1.1 图的数据结构表示 | 第38-39页 |
| 4.1.2 邻接向量 | 第39-40页 |
| 4.1.3 邻接向量相似度 | 第40-41页 |
| 4.2 算法过程优化 | 第41-44页 |
| 4.2.1 邻接向量传播 | 第41-42页 |
| 4.2.2 层次聚类 | 第42-44页 |
| 4.3 复杂度分析 | 第44-46页 |
| 4.3.1 时间复杂度 | 第44-46页 |
| 4.3.2 空间复杂度 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验与分析 | 第47-54页 |
| 5.1 节点相似度与新连接建立 | 第47-49页 |
| 5.2 实际网络 | 第49-51页 |
| 5.2.1 Zachary的空手道俱乐部网络 | 第49-50页 |
| 5.2.2 NCAA美国大学橄榄球网络 | 第50-51页 |
| 5.3 LFR基准测试网络 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间已发表或录用的论文 | 第60页 |
