基于高影响力边的复杂网络重叠社区发现算法研究

目录

声明

第 1 章 绪论

1.1 选题背景及意义

1.2 研究现状

1.3 本文内容

1.4 论文结构与内容安排

第 2 章 社区发现算法综述

2.1 传统的社区发现算法

2.1.1 图分割算法

2.1.2 基于模块度的算法

2.1.3 层次聚类算法

2.2 重叠社区发现算法

2.2.1 CPM算法

2.2.2 局部社区发现算法

2.3 边社区发现算法

2.3.1 LC算法

2.3.2iLCD (intrinsic Longitudinal Community Detection)算法

2.4 本章小结

第 3 章 基于中心边的OCD算法

3.1 算法过程

3.2 算法局限性

3.2.1 CES算法在计算中存在的局限性

3.2.2 CES算法在流程中存在的局限性

3.3 本章小结

第 4 章 基于高影响力边的OCD算法

4.1高影响力边选择过程

4.2社区拓展过程

4.3重叠社区剪枝

4.4时间复杂度分析

4.5本章小结

第 5 章 实验结果分析

5.1 实验评估指标

5.1.1 EQ

5.1.2标准化互信息(normal mutual information, NMI)

5.1.3覆盖率(clustering rate, CR)

5.1.4Go Enrichment指标

5.2 标准网络的实验结果

5.2.1 标准网络数据集

5.2.2 标准网络结果分析

5.3 蛋白质交互网络的实验结果

5.3.1 蛋白质交互网络数据集

5.3.2 蛋白质交互网络结果分析

5.4 本章小结

第 6 章 结论

参 考 文 献

作者简介及在学期间科研成果

致谢