声明
第 1 章绪 论
1.1 课题背景和研究意义
1.1.1 课题背景
1.1.2 研究意义
1.2 国内外研究现状分析
1.2.1 社区发现主要发展
1.2.2 基于聚类方法的社区发现算法国内外研究现状
1.2.3 基于群体智能优化的社区发现算法法国内外研究现状
1.3 本论文的主要内容
第 2 章相关理论知识
2.1 社区发现相关知识
2.1.1 网络及社区的相关概念
2.1.2 评价指标
2.2 密度峰值聚类算法
2.3 粗糙集理论基本理论
2.4 鲸鱼优化算法
2.5 本章小结
第 3 章基于拓扑结构的密度峰值重叠社区发现算法
3.1 TSDP 的基本原理及算法流程
3.1.1 基于拓扑结构的局部密度计算方法
3.1.2 离散化的最小距离计算方法
3.1.3 基于核心跳变值的社区中心选择
3.1.4 TSDP重叠社区划分方法
3.2 实验设计及性能分析
3.2.1 时间性能对比
3.2.2 人工网络中算法性能对比
3.2.3 真实网络中算法性能对比
3.2.4 TSDP参数分析和调整
3.3 本章小结
第 4 章基于粗糙集的快速密度峰值重叠社区发现算法
4.1 RSDPCD的基本原理及算法流程
4.1.1 基于粗糙子图模型节点相似性衡量
4.1.2 快速局部密度和最小距离计算方法
4.1.3 社区中心点选择
4.1.4 基于粗糙集的重叠社区发现
4.2 实验设计及性能分析
4.2.1 参数调整
4.2.2 真实网络中算法性能对比
4.2.3 人工网络中算法性能对比
4.3 本章小结
第 5 章基于动态种群的改进鲸鱼社区发现算法
5.1 EP-WOCD的基本原理及算法流程
5.1.1 鲸鱼群体初始化
5.1.2 离散化的鲸鱼搜索行为
5.1.3 变异和边界节点调整策略
5.1.4 多种群动态缩减策略
5.1.5 社区融合策略
5.1.6 EP-WCOD算法流程
5.2 实验设计及性能分析
5.2.1 参数设置
5.2.2 时间性能对比
5.2.3 真实网络中算法性能对比
5.2.4 人工网络中算法性能对比
5.2.5 不同优化目标结果对比
5.3 本章小结
总结与展望
工作总结
未来展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;