基于结构相似度的社区发现方法研究
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 启发式算法 | 第11-14页 |
| 1.2.2 基于优化的算法 | 第14-16页 |
| 1.2.3 其他算法 | 第16-17页 |
| 1.3 研究内容 | 第17页 |
| 1.4 组织结构 | 第17-19页 |
| 2 社区发现概述 | 第19-29页 |
| 2.1 基础知识 | 第19-25页 |
| 2.1.1 复杂网络表示形式 | 第19-20页 |
| 2.1.2 复杂网络统计特征 | 第20-22页 |
| 2.1.3 复杂网络模型 | 第22-25页 |
| 2.2 社区结构定义 | 第25-26页 |
| 2.3 经典数据集 | 第26-28页 |
| 2.3.1 跆拳道俱乐部 | 第26-27页 |
| 2.3.2 海豚社区网络 | 第27页 |
| 2.3.3 足球俱乐部网络 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 3 基于结构相似度和阈值的社区发现方法 | 第29-44页 |
| 3.1 概述 | 第29-30页 |
| 3.2 算法思想 | 第30-33页 |
| 3.2.1 模块性评价函数 | 第30页 |
| 3.2.2 结构相似度 | 第30-31页 |
| 3.2.3 算法SSTCA | 第31-32页 |
| 3.2.4 时间复杂度分析 | 第32-33页 |
| 3.3 实验结果及分析 | 第33-43页 |
| 3.3.1 人工基准网络 | 第33-40页 |
| 3.3.2 真实世界网络 | 第40-43页 |
| 3.4 小结 | 第43-44页 |
| 4 基于结构相似度和遗传算法的社区发现方法 | 第44-57页 |
| 4.1 概述 | 第44页 |
| 4.2 算法SSGA形式化描述 | 第44-48页 |
| 4.2.1 问题定义 | 第44-45页 |
| 4.2.2 编码方式 | 第45-46页 |
| 4.2.3 初始种群的生成 | 第46-47页 |
| 4.2.4 选择和交叉算子 | 第47页 |
| 4.2.5 变异算子 | 第47页 |
| 4.2.6 SSGA算法的步骤 | 第47-48页 |
| 4.3 实验分析 | 第48-55页 |
| 4.3.1 人工基准网络 | 第48-53页 |
| 4.3.2 真实世界网络 | 第53-55页 |
| 4.4 小结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-67页 |
| 附录1 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间所发表的学术论文 | 第68页 |
