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
吉林大学;