基于谱聚类的社区发现算法研究

目录

声明

第一章 绪 论

1.1 课题研究的背景及意义

1.2 国内外发展现状

1.2.1 基于图分割的社区发现算法

1.2.2 基于层次聚类的社区发现算法

1.2.3 基于谱聚类的社区发现算法

1.2.4 基于启发式的社区发现算法

1.3 本文主要研究工作

1.4 本文组织架构

第二章 复杂网络与社区发现理论知识

2.1 复杂网络相关概念

2.1.1 复杂网络的概念

2.1.2 复杂网络的特性

2.2 社区发现

2.2.1 社区结构

2.2.2 社区结构评价指标

2.3 经典社区发现算法

2.3.1 FG社区发现算法

2.3.2 SC社区发现算法

2.3.3 WT社区发现算法

2.3.4 FluidC社区发现算法

2.3.5 SCRW社区发现算法

2.4 本章小结

第三章 概率矩阵与均值概率矩阵

3.1 节点间连接概率与节点间相似度

3.1.1 度修正随机块模型

3.1.2 节点间连接概率包含多层复杂社区信息

3.1.3 节点间连接概率与节点间相似度的映射关系

3.2 概率矩阵与均值概率矩阵

3.2.1 转移概率

3.2.2 概率矩阵

3.2.3 均值概率矩阵

3.3 本章小结

第四章 基于均值概率矩阵的改进谱聚类社区发现算法

4.1 构建基于均值概率矩阵的相似图

4.2 ISCP算法思想

4.3 ISCP算法步骤

4.4 本章小结

第五章 实验与分析

5.1 人工合成复杂网络

5.1.1 LFR基准合成网络

5.1.2 实验结果与分析

5.2 现实世界复杂网络

5.2.1 现实世界复杂网络

5.2.2 实验结果与分析

5.3 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

发表论文和参加科研情况

致谢