| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 重要节点排序的研究现状 | 第11-17页 |
| 1.2.1 基于节点邻近的中心性算法 | 第11-12页 |
| 1.2.2 基于传播路径的中心性算法 | 第12-13页 |
| 1.2.3 基于特征值迭代的中心性算法 | 第13-14页 |
| 1.2.4 结合多种节点排序算法 | 第14-15页 |
| 1.2.5 基于节点操作的节点排序算法 | 第15-16页 |
| 1.2.6 基于其他概念的排序算法 | 第16-17页 |
| 1.3 影响力最大化研究现状 | 第17-19页 |
| 1.3.1 基于贪婪策略的影响力最大化 | 第17-18页 |
| 1.3.2 基于拓扑特征的影响力最大化 | 第18-19页 |
| 1.4 论文的主要工作内容 | 第19页 |
| 1.5 论文的组织安排 | 第19-20页 |
| 第二章 复杂网络分析的理论基础 | 第20-30页 |
| 2.1 网络分析研究动机 | 第20页 |
| 2.2 网络基础理论概念 | 第20-24页 |
| 2.2.1 术语规约及网络概念 | 第20-22页 |
| 2.2.2 连通性、网络直径、平均路径和效率 | 第22-23页 |
| 2.2.3 聚集系数 | 第23页 |
| 2.2.4 度分布与度异质性 | 第23页 |
| 2.2.5 社团结构与模块度 | 第23-24页 |
| 2.3 网络模型的拓扑结构性质 | 第24-29页 |
| 2.3.1 规则网络 | 第24-25页 |
| 2.3.2 随机生成网络 | 第25-26页 |
| 2.3.3 小世界网络 | 第26-27页 |
| 2.3.4 无标度网络 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于传播概率的PageRank改进算法DHP | 第30-53页 |
| 3.1 重要性识别算法及改进动机 | 第30-32页 |
| 3.1.1 原始PageRank算法 | 第30-31页 |
| 3.1.2 H-index算法 | 第31-32页 |
| 3.2 传播病模型模拟节点影响力大小 | 第32-35页 |
| 3.3 实验验证方法与数据集 | 第35-42页 |
| 3.3.1 肯德尔系数 | 第36页 |
| 3.3.2 网络数据集 | 第36-38页 |
| 3.3.3 在不同传播率p下节点的传播能力变化 | 第38-39页 |
| 3.3.4 在不同传播率下，H-index 与 Degree衡量能力的差别 | 第39-42页 |
| 3.4 基于传播概率混合度和H-index的DHP算法 | 第42-44页 |
| 3.5 算法性能评估 | 第44-52页 |
| 3.5.1 对算法中α参数的设置 | 第44-46页 |
| 3.5.2 小型网络上DHP算法的举例 | 第46-48页 |
| 3.5.3 中心性对比方法 | 第48-50页 |
| 3.5.4 精确度结果及分析 | 第50页 |
| 3.5.5 分辨率结果及分析 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于社团检测改进DHP的重要节点识别方法 | 第53-63页 |
| 4.1 在社团发现算法下的影响力评估方法 | 第53页 |
| 4.2 实验与方法 | 第53-57页 |
| 4.2.1 随机游走社团算法划分节点 | 第53-55页 |
| 4.2.2 传播模型介绍 | 第55-57页 |
| 4.3 实验结果分析 | 第57-61页 |
| 4.3.1 网络数据集 | 第57-59页 |
| 4.3.2 独立级联模型实验结果与分析 | 第59页 |
| 4.3.3 线性阈值模型结果及分析 | 第59-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72页 |
