社交网络中基于概率的可伸缩聚类算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-20页 |
| ·社交网络概述 | 第11-12页 |
| ·数据挖掘与聚类 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·研究现状 | 第14-19页 |
| ·本文内容和结构 | 第19-20页 |
| 第2章 社交网络聚类基本概念与理论 | 第20-34页 |
| ·社交网络的图结构表示 | 第20-21页 |
| ·图聚类评价标准 | 第21-23页 |
| ·相似度搜索 | 第23-25页 |
| ·最小哈希(Minhash)降维技术 | 第25-26页 |
| ·简述 | 第25-26页 |
| ·Minhash与Jaccard 相似度 | 第26页 |
| ·位置敏感哈希算法 (LSH) | 第26-31页 |
| ·简述 | 第26-28页 |
| ·修改LSH哈希键 | 第28-29页 |
| ·TopGC对加权图的修剪 | 第29-31页 |
| ·概率与统计技术 | 第31-33页 |
| ·简述 | 第31页 |
| ·均值和方差 | 第31页 |
| ·贝叶斯公式 | 第31-32页 |
| ·二项分布和β分布 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第3章 基于概率的图聚类算法 | 第34-47页 |
| ·基本策略 | 第34页 |
| ·改进的Minhash算法 | 第34-38页 |
| ·改进思路 | 第34-35页 |
| ·伪代码 | 第35-36页 |
| ·复杂度分析 | 第36页 |
| ·改进后的算法举例 | 第36-38页 |
| ·修剪验证 | 第38-43页 |
| ·简介 | 第38页 |
| ·贝叶斯推断 | 第38-40页 |
| ·伪代码 | 第40-41页 |
| ·复杂度分析 | 第41页 |
| ·贝叶斯推断举例 | 第41-43页 |
| ·PGC完整算法 | 第43-46页 |
| ·步骤描述 | 第43-44页 |
| ·伪代码 | 第44页 |
| ·复杂度分析 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第4章 实验 | 第47-59页 |
| ·实验环境 | 第47页 |
| ·Minhash实验 | 第47-50页 |
| ·Minhash精度实验 | 第47-48页 |
| ·结果分析 | 第48-49页 |
| ·改进前后Minhash效率对比 | 第49页 |
| ·结果分析 | 第49页 |
| ·Minhash结论 | 第49-50页 |
| ·LSH实验 | 第50-54页 |
| ·原始LSH实验 | 第50-51页 |
| ·结果分析 | 第51-52页 |
| ·修改后的LSH | 第52-53页 |
| ·结果分析 | 第53-54页 |
| ·LSH结论 | 第54页 |
| ·修剪验证 | 第54-56页 |
| ·贝叶斯推断实验 | 第54-55页 |
| ·修剪步骤结论 | 第55-56页 |
| ·综合比较 | 第56-58页 |
| ·实验数据及结果 | 第56页 |
| ·结论分析 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第5章 总结 | 第59-61页 |
| ·结论 | 第59页 |
| ·问题与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 后记 | 第65页 |
| 攻读硕士学位期间论文发表及科研情况 | 第65页 |
