声明
摘要
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状与挑战
1.2.1 国内外研究现状
1.2.2 社团发现面临的挑战
1.3 本文的主要内容
1.4 本文的组织结构
第2章 复杂网络的理论基础
2.1 复杂网络的概念与特性
2.2 复杂网络的相关度量
2.2.1 复杂网络的形式化表达
2.2.2 度与度分布
2.2.3 聚类系数
2.2.4 模块度
2.3 典型的复杂网络模型
2.3.1 ER随机模型
2.3.2 WS小世界模型
2.3.3 BA无标度模型
2.4 社团定义与社团发现算法
2.4.1 社团结构的定义
2.4.2 经典的社团发现算法
2.5 本章小结
第3章 MCDA算法的设计与实现
3.1 算法的提出
3.2 算法的思想基础
3.2.1 影响社团划分的因素
3.2.2 模糊聚类算法的相关思想
3.3 算法的实现
3.3.1 相关变量
3.3.2 算法的实现过程
3.3.3 算法的思想验证
3.4 复杂度分析
3.4.1 时间复杂度分析
3.4.2 空间复杂度分析
3.5 本章小结
第4章 DMCDA算法的设计与实现
4.1 DMCDA算法的提出
4.2 算法的实现
4.2.1 相关概念
4.2.2 算法的具体实现
4.3 简单动态网络的理论验证
4.4 本章小结
第5章 实验分析
5.1 实验环境
5.2 实验数据
5.2.1 经典网络数据集
5.2.2 生成网络的数据集
5.3 实验结果与分析
5.3.1 静态算法的实验结果与分析
5.3.2 动态算法的实验结果与分析
5.4 算法评估
5.4.1 精确性指标
5.4.2 运行效率指标
5.5 本章小结
第6章 结论与展望
6.1 研究工作总结
6.2 工作展望
参考文献
致谢