复杂网络重要节点识别方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 课题研究的目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 重要节点排序算法简述 | 第12-14页 |
| 1.3.2 信息传播最大化节点挖掘算法简述 | 第14-16页 |
| 1.4 本论文主要研究内容与各个章节的安排 | 第16-17页 |
| 第二章 复杂网络基础概念与理论 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 复杂网络基本概念 | 第17-22页 |
| 2.2.1 网络常用特征参数 | 第17-19页 |
| 2.2.2 无标度网络 | 第19-20页 |
| 2.2.3 网络的社区结构 | 第20-22页 |
| 2.3 节点重要性的经典度量指标介绍 | 第22-24页 |
| 2.4 节点重要性评价标准介绍 | 第24-27页 |
| 2.4.1 网络鲁棒性与脆弱性的排序评价指标 | 第24页 |
| 2.4.2 基于传播动力学模型的排序评价指标 | 第24-27页 |
| 第三章 基于节点膨胀率抽样的重要性排序算法 | 第27-39页 |
| 3.1 膨胀率与节点的膨胀贡献 | 第27-29页 |
| 3.2 膨胀率中心性及算法描述 | 第29-30页 |
| 3.3 实验设计与结果 | 第30-35页 |
| 3.4 复杂度对比分析与算法优化 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于节点局部信息的Top-k挖掘算法 | 第39-51页 |
| 4.1 信息传播最大化的Top-k节点挖掘算法 | 第39-41页 |
| 4.1.1 基于信息传播模拟的贪心算法 | 第39-40页 |
| 4.1.2 基于拓扑结构属性的启发式算法 | 第40-41页 |
| 4.2 节点的局部指数 | 第41-43页 |
| 4.3 实验设计与结果 | 第43-49页 |
| 4.3.1 数据集和实验环境 | 第43页 |
| 4.3.2 实验结果分析 | 第43-49页 |
| 4.4 时间复杂度分析 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 攻读硕士期间发表论文和参与科研项目 | 第61-62页 |
