| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 社区发现理论基础 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 各种复杂网络 | 第14-17页 |
| 2.2.1 技术网络 | 第14-15页 |
| 2.2.2 社会网络 | 第15-16页 |
| 2.2.3 信息网络 | 第16-17页 |
| 2.3 复杂网络分析 | 第17-21页 |
| 2.3.1 中心性 | 第17-20页 |
| 2.3.2 小世界效应 | 第20页 |
| 2.3.3 幂率和无标度网络 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 社区发现主要技术 | 第22-35页 |
| 3.1 引言 | 第22-24页 |
| 3.2 基于模块度(Modularity)最大化的算法 | 第24-29页 |
| 3.2.1 模块度 | 第24-25页 |
| 3.2.2 Kernighan—Lin 算法 | 第25-27页 |
| 3.2.3 谱二分法（Spectral bisection） | 第27-28页 |
| 3.2.4 其它算法 | 第28-29页 |
| 3.3 基于中介性(Betweenness)的算法 | 第29-31页 |
| 3.3.1 G-N 算法 | 第30-31页 |
| 3.3.2 Radicchi 算法 | 第31页 |
| 3.4 层次聚类算法（Hierarchical Clustering） | 第31-34页 |
| 3.5 W-H 算法 | 第34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于紧密度的层次聚类社区发现算法 | 第35-54页 |
| 4.1 引言 | 第35页 |
| 4.2 基于节点间紧密度的社区发现算法 | 第35-44页 |
| 4.2.1 定义 | 第36-38页 |
| 4.2.2 社区合并 | 第38-41页 |
| 4.2.3 更新紧密度二叉堆 | 第41-43页 |
| 4.2.4 算法流程图 | 第43-44页 |
| 4.3 实验 | 第44-53页 |
| 4.3.1 Zachary’s Karate 俱乐部网络 | 第44-50页 |
| 4.3.2 Sade 恒河猴网 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 在读期间公开发表论文（著）及科研情况 | 第62页 |
