¥94.40 108.00

目录

前言
第1章 引言
参考文献
第2章 社区分析基本知识
2.1 社区发现的原理
2.1.1 社区的定义
2.1.2 社区发现的方法分类
2.1.3 计算复杂度
2.2 数据集与算法的评价指标
2.2.1 经典数据集
2.2.2 人工数据集产生
2.2.3 评价指标
参考文献
第3章 社区发现经典算法
3.1 传统基于图分割和谱分析的社区发现算法
3.1.1 Kemighan-Lin算法
3.1.2 谱划分
3.2 基于图聚类的社区发现算法
3.2.1 主要聚类方法分类
3.2.2 基于划分聚类的社区发现算法
3.2.3 基于层次聚类的社区发现算法
3.2.4 基于密度聚类的社区发现算法
3.3 社区评估指标及目标优化常用方法
3.3.1 单目标优化——模块度*优化算法
3.3.2 多目标优化算法
3.4 基于信息论和概率的社区发现算法
3.4.1 标签传播算法
3.4.2 信息编码算法
3.4.3 贝叶斯概率模型
3.4.4 基于随机游走模型的图分割
3.5 基于物理模型的社区发现算法
3.5.1 派系过滤算法
3.5.2 电阻网络电压谱分割方法
3.5.3 自旋模型
3.5.4 基于拓扑势的网络社区发现方法
参考文献
第4章 社区发现的新兴方法
4.1 非重叠社区发现方法
4.1.1 基于多目标的社区发现方法
4.1.2 基于遗传算法的社区发现方法
4.1.3 基于稳定度的社区发现方法
4.1.4 基于后验方法的社区发现方法
4.1.5 基于截断PageRank的社区发现方法
4.1.6 基于果蝇爬山策略的社区发现方法
4.1.7 基于密度的社区发现方法
4.1.8 基于动态距离学的社区发现方法
4.1.9 其他社区发现方法
4.2 重叠社区发现方法
4.2.1 重叠社区发现的定义及相关概念
4.2.2 结合隐式链接偏好的重叠社区发现方法