基于聚类分析的社会网络社团划分方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 社会网络的相关概念及相关性质 | 第13-23页 |
| 2.1 社会网络概述 | 第13-14页 |
| 2.2 网络的表示方法和存储形式 | 第14-17页 |
| 2.2.1 网络的图表示方法 | 第14-15页 |
| 2.2.2 网络的矩阵表示方法 | 第15-17页 |
| 2.3 网络结构的特征度量参数 | 第17-19页 |
| 2.3.1 平均路径长度 | 第17-18页 |
| 2.3.2 聚集系数 | 第18-19页 |
| 2.3.3 度和度的分布 | 第19页 |
| 2.4 网络的结构模型 | 第19-22页 |
| 2.4.1 小世界模型 | 第20页 |
| 2.4.2 无标度模型 | 第20-21页 |
| 2.4.3 局域世界网络演化模型 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 社团结构以及社团划分的经典算法 | 第23-33页 |
| 3.1 社团结构以及相关性质 | 第23-24页 |
| 3.2 社团划分方法 | 第24-32页 |
| 3.2.1 早期基于图论的社团划分方法 | 第24-26页 |
| 3.2.2 分裂算法 | 第26-29页 |
| 3.2.3 凝聚算法 | 第29-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于节点相似度系数聚类的社团划分算法研究 | 第33-45页 |
| 4.1 相关原理和概念 | 第33-36页 |
| 4.1.1 聚类的基本原理 | 第33-34页 |
| 4.1.2 对象之间相似度系数的度量方法 | 第34-36页 |
| 4.2 NSCCDM方法的设计和分析 | 第36-39页 |
| 4.2.1 NSCCDM方法的基本思想 | 第36-37页 |
| 4.2.2 NSCCDM方法流程 | 第37-38页 |
| 4.2.3 NSCCDM方法描述 | 第38页 |
| 4.2.4 NSCCDM方法的时间复杂度分析 | 第38-39页 |
| 4.3 NSCCDM方法的验证实验和结果分析 | 第39-44页 |
| 4.3.1 NSCCDM方法验证 | 第39-43页 |
| 4.3.2 NSCCDM方法和其它算法的比较 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于遗传算法聚类的社团划分方法研究 | 第45-56页 |
| 5.1 相关原理和过程描述 | 第45-47页 |
| 5.1.1 遗传算法的原理和特点 | 第45-46页 |
| 5.1.2 遗传算法的过程和框架 | 第46-47页 |
| 5.2 GACCDM方法描述 | 第47-51页 |
| 5.2.1 遗传算法的具体改进 | 第47-48页 |
| 5.2.2 GACCDM方法的流程和步骤 | 第48-50页 |
| 5.2.3 GACCDM方法时间复杂度分析 | 第50-51页 |
| 5.3 GACCDM方法的验证和结果分析 | 第51-55页 |
| 5.3.1 GACCDM方法的验证 | 第51-53页 |
| 5.3.2 GACCDM方法与其它方法的对比 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
