一种重叠社区发现算法及其在MapReduce上的实现
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7页 |
| ·国内外研究现状 | 第7-11页 |
| ·节点相似度 | 第7-9页 |
| ·社区发现算法 | 第9-10页 |
| ·并行化处理图论的框架 | 第10-11页 |
| ·论文的工作内容 | 第11页 |
| ·论文的组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 相关理论和技术 | 第13-19页 |
| ·社会网络分析的相关概念 | 第13-14页 |
| ·图的概念 | 第13页 |
| ·点的度数 | 第13-14页 |
| ·线路、轨迹、途径 | 第14页 |
| ·测地线、距离、直径 | 第14页 |
| ·图的密度 | 第14页 |
| ·聚类分析简介 | 第14-16页 |
| ·相似度与距离 | 第15页 |
| ·聚类分析 | 第15-16页 |
| ·并行编程模式 | 第16-18页 |
| ·MapReduce 编程模型 | 第16页 |
| ·MapReduce 执行流程 | 第16-17页 |
| ·MapReduce 应用项目 Hadoop | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于信号传播的相似度算法的研究与实现 | 第19-33页 |
| ·基于信号传播的节点相似度算法 | 第19-21页 |
| ·计算节点的影响度向量 | 第20-21页 |
| ·计算节点间相似度 | 第21页 |
| ·相似度算法的改进 | 第21-26页 |
| ·传播次数 | 第22-25页 |
| ·减小误差值 | 第25-26页 |
| ·算法的 MapReduce 实现 | 第26-31页 |
| ·并行化计算影响度矩阵 | 第26-28页 |
| ·并行化归一化影响度向量 | 第28-29页 |
| ·并行化计算相似度矩阵 | 第29-31页 |
| ·算法的复杂度分析 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第四章 CDSFAP：并行化的重叠社区发现算法 | 第33-49页 |
| ·AP 聚类算法 | 第33-36页 |
| ·CDSFAP 算法 | 第36-39页 |
| ·预处理 | 第36-37页 |
| ·模糊 AP 聚类 | 第37-38页 |
| ·分析与反馈 | 第38-39页 |
| ·算法的 MapReduce 实现 | 第39-48页 |
| ·并行化计算吸引度矩阵 R | 第39-41页 |
| ·并行化计算归属度矩阵 A | 第41-44页 |
| ·并行化划分类簇和识别重叠数据点 | 第44-47页 |
| ·算法的复杂度分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 实验与分析 | 第49-57页 |
| ·实验环境 | 第49-50页 |
| ·单机环境 | 第49页 |
| ·Hadoop 集群环境 | 第49-50页 |
| ·实验数据 | 第50-51页 |
| ·人工数据集 | 第50-51页 |
| ·真实数据集 | 第51页 |
| ·实验的方案与结果分析 | 第51-55页 |
| ·较小规模数据实验 | 第51-54页 |
| ·较大规模数据实验 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·研究展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 在读期间研究成果 | 第65-66页 |
