| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文的组织结构 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 社区发现相关理论 | 第14-29页 |
| 2.1 社会网络相关理论 | 第14-19页 |
| 2.1.1 社会网络简介 | 第14-16页 |
| 2.1.2 社会网络特性 | 第16-19页 |
| 2.2 社会网络中的社区发现 | 第19-28页 |
| 2.2.1 社区的基本定义 | 第19-20页 |
| 2.2.2 社区结构的评价标准 | 第20-21页 |
| 2.2.3 经典的社区发现算法 | 第21-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于 k-means 算法思想的社区发现算法 | 第29-42页 |
| 3.1 k-means 算法 | 第29-32页 |
| 3.1.1 k-means 算法简介 | 第29-30页 |
| 3.1.2 k-means 算法的不足 | 第30-32页 |
| 3.2 改进的 k-means 算法实现社区发现 | 第32-36页 |
| 3.2.1 改进的 k-means 算法 | 第32-34页 |
| 3.2.2 KARIS 算法的提出 | 第34-35页 |
| 3.2.3 算法过程 | 第35-36页 |
| 3.3 实验结果与分析 | 第36-41页 |
| 3.3.1 评价标准 | 第36-37页 |
| 3.3.2 实验数据集 | 第37-38页 |
| 3.3.3 实验结果与分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于支持向量机的 KARIS 算法的社区发现 | 第42-53页 |
| 4.1 支持向量机算法简介 | 第42-43页 |
| 4.2 算法改进 | 第43-48页 |
| 4.2.1 融合支持向量机的 KARIS 算法 | 第43-46页 |
| 4.2.2 改进支持向量机参数 | 第46-47页 |
| 4.2.3 改进后的算法 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-52页 |
| 4.3.1 实验数据集 | 第48-49页 |
| 4.3.2 实验结果与分析 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介及在学期间科研成果 | 第59-60页 |
| 致谢 | 第60页 |