导读:本文包含了网络社团论文开题报告文献综述及选题提纲参考文献，主要关键词:网络社团,互益,公益,社会治理
网络社团论文文献综述
李强[1]（2019）在《网络社团的产生、发展与治理》一文中研究指出伴随着互联网技术进步和公民意识不断崛起,网络社团日益发展壮大并成为打造共建共治共享社会治理格局的潜在力量,有助于更好地实现协同治理、增进政社互动。当前,应该顺应网络社团呈现出的法人推动和公益引领的成长趋势,继续坚持底线监管,不断优化外部制度环境。同时,进一步整合网络社团发展的零散力量以形成公益合力,创造有利条件使发展相对成熟的网络社团转化为合法注册的正式社会组织,为完善现代社会治理体制提供新兴的参与主体。(本文来源于《中州学刊》期刊2019年08期）
陈秋吉,彭怡,蔡文婷,龙宽[2]（2019）在《基于Newman快速算法的中国航空网络社团结构研究》一文中研究指出研究中国航空网络的复杂特性,探究网络内部的演变规律和发展趋势,有助于航线结构调整和后续政策制定等。以2012—2017年航空网络为研究对象,构建拓扑结构并基于R平台,采用Newman快速算法分析社团结构及内部特征。研究结果显示,中国航空网络符合小世界特性且有向无标度网络演化的趋势;网络中存在核心节点,且逐步形成以北上广为叁大中心枢纽,核心节点为区域枢纽的机场群格局,研究为机场群打造中枢辐射型航空网络构建提供了实证基础。(本文来源于《航空计算技术》期刊2019年04期）
卜振兴[3]（2019）在《复杂网络社团检测方法研究》一文中研究指出随着情报主导警务工作的深入开展,数据在公安工作中发挥的作用越来越重要,数据挖掘和分析成为一项重要的侦查措施。本文从公安情报分析实际工作需求,通过分析大量的网络犯罪和互联网数据,发掘了实际工作中潜在的复杂网络模型。通过对复杂网络的研究和分析,进而挖掘人员和网络元素之间存在的群体关系,可以大大提升公安数据分析能力和办案效率。本文结合实际网络模型提出了新的社团检测算法,通过将新算法得到的结果与实际案件侦办掌握的情况进行比对分析,验证了本文算法的准确性和效率。本文的所有研究成果均在公安实际应用系统中得到了应用,明显地提升了公安业务系统情报分析和数据挖掘能力。本文主要研究工作及创新点为:(1)提出了一个基于多维网络节点相似度的MBS社团检测方法。根据多维网络结构特征,提出了多维网络节点相似度模型。在基于模块度最大值的社团检测方法中,提出并验证了“当网络划分m个社团时,对应的模块度Q_m最大,那么随着划分社团个数k趋于m值(k?m),对应Q_k不断增大并趋于Q_m”的假设。基于上述假设,提出了应用于社团不同划分个数对应的模块度Q值无序序列中快速查找最大或近似最大模块度Q_m的改进二分查找算法(MBS)。将MBS算法应用到基于多维网络节点相似度的社团检测中,提出了基于多维网络节点相似的MBS社团检测算法(SMBS)。实验结果表明,SMBS算法能够在较短时间内计算出最佳或近似最佳社团划分个数,得到全局或近似全局最佳划分结果,具有较高的准确性和效率。(2)提出了一个基于局部敏感的高效二分网络社团检测方法。将局部敏感思想应用到二分网络社团检测中,提出了关联社团、关联桶和关联度等二分网络概念。基于上述概念,将局部敏感思想和堆栈引入到二分网络社团检测中,提出了基于局部敏感的二分网络社团检测方法。该方法首先根据二分关联度将二分网络中的第一类节点划分为若干个社团,然后根据第二类节点对应第一类节点社团的度和模块度,将其并入到最大度和模块度对应的第一类节点社团。实验结果表明,该方法能够大幅度地提高社团检测效率,并且社团划分质量高于当前其它常规二分网络社团检测算法。(3)提出了一个基于MapReduce的并行高效聚类算法。该算法通过采集满足叁角形构成条件的质心点,得到初始质心样本集。在不设定初始k值的情况下,通过在不同k值对应样本集上计算DB值,根据DB_Index准则得到最佳聚类个数k及对应的最佳初始质心,进而得到最佳聚类结果。由于该算法在样本集上计算最佳k值和初始质心,相比于不断遍历k值对应的普通k-means算法,前者时间成本远远低于后者。同时,通过利用MapReduce技术对改进的k-means进行并行计算,在确保得到最佳聚类结果的同时大大降低时间成本,解决了改进的k-means算法处理大规模数据的难度,提高了算法的效率。实验结果表明,该算法能够大幅度地提高处理大规模数据的效率,并且社团划分质量高于普通k-means算法。(本文来源于《中国人民公安大学》期刊2019-06-10）
孙晔[4]（2019）在《基于化学反应算法优化社团分数的网络社团发现研究》一文中研究指出随着互联网的普及和应用,网络遍布生活各个角落。例如社交网络的存在,人类的社会行为受到影响。人们就像一个个节点,被互联网连接着,各个节点之间看似相互独立,却又存在着一定的联系。正是这些点和边构成了复杂网络,点和边之间的关系形成了网络的拓扑结构。复杂网络中具有较大影响的是社团结构,正是由于社团结构才能够让我们深入地研究网络中的一些行为,能够帮助人们发现复杂网络中存在的规律,能够解释社会关系与现象。社团检测是发现社团结构的一种重要手段。近年来,社团检测算法的研究已成为复杂网络的一个重要分支。研究者提出了许多智能算法,比如,遗传算法、粒子群算法、萤火虫算法等。但这些算法都存在一些局限性,使得算法时间复杂度过高、算法容易陷入局部最优、算法的效率低等。本文采用一种启发式化学反应算法,利用社团分数作为算法的适应度函数,提出了一种新的社团发现算法,可以在一定程度上解决算法存在的局限性。本文主要研究工作和创新点是:1.研究了复杂网络中经典社团发现算法、化学反应算法以及复杂网络中社团的评判函数。社团结构被定义为内部节点连接紧密,外部节点连接稀疏,而模块度正是为了描述社团结构的特点被提出来的;模块密度是在解决模块度分辨率的问题上提出的。发现社团结构是本文研究的重点,因此本文也研究了一些常用的社团检测的算法。2.提出了基于化学反应算法优化社团分数的社团检测方法。所提算法是以化学反应算法为框架,社团分数为适应度函数,将社团检测问题转化为求最小势能的问题,通过四种初等反应来优化社团分数从而找出最低势能。3.采用标签传播方式作为种群初始化的方法。为了提高初始种群的多样性以及有效性,因此引入标签传播的方式,使算法更加的精准以及稳定,从而使社团结构更加明显,划分的效果更优。4.引入禁忌搜索算法作为一种局部搜索算子。为了提高算法寻优时局部搜索能力,将化学反应算法与禁忌搜索算法相结合,这样能够提高算法的寻优能力,加快算法收敛速度。通过在人工合成网络和真实网络上实验表明,该算法在两种网络上都得到较好的划分结果,有着较明显的社团结构,相比其他五种对比算法该算法在划分社团结构时具有明显的优势。(本文来源于《河南大学》期刊2019-06-01）
巩利敏[5]（2019）在《基于多目标密母算法的复杂网络社团检测研究》一文中研究指出随着科技的迅速发展,复杂网络已不知不觉地影响着人们的生活。例如,从有形的交通网络、通信网络、电力网络到无形的经济网络、信息网络、社交网络等。这些网络都可以抽象为图的形式表示,用节点表示对象,节点与节点的连接表示对象之间存在的某种关系。社团结构是复杂网络的一个重要属性,它具有社团内部连接紧密,外部连接稀疏的特点。发现复杂网络社团结构的特征,有助于分析网络行为、揭示网络中潜在规律。近年来,研究者提出了一系列的算法来发现复杂网络的社团结构。社团检测中常用的是优化方法,就是将社团检测问题转化成目标优化问题。由于现实生活中网络复杂,结构繁多,在社团检测中优化多个目标函数的方式,能更好的发现网络社团结构。因此本文采用多目标优化方式,结合局部搜索算子,构造出一种新的多目标密母算法。本文主要工作和创新如下:1、研究了复杂网络社团结构及多目标优化算法。对于社团结构紧密和稀疏的判定,研究者根据不同的准则对社团定义了同的衡量标准,如模块度、模块密度、社团分数等。结合了不同目标同时优化,有助于综合考虑社团的多个特征,本文重点研究了多目标算法,并分析了不同算法的特点。2、提出了一个基于多目标密母算法的社团检测算法。算法采用社团分数和模块度作为优化目标函数,利用均匀交叉和点变异操作进行进化,编码方案采用基于邻接点的编码方式,该编码方式不需要提前知道社团数目,方便用来处理实际中大多数不知道社团数目的网络。3、采用随机游走的种群初始化策略。随机游走的初始化方式,与传统的随机初始化相比,它能保证产生的每个个体都是安全个体。以马尔科夫转移概率为节点游走标准,不仅保证了个体的有效性,而且维护了种群的多样性。4、引入模拟退火操作算子作为局部搜索策略。模拟退火算法是一种启发式算法,其本身有较好的搜索能力。本文对模拟退火算法做了一些改进,用支配关系作为评判个体优劣的唯一标准,这样的调整有利于搜索优秀个体。在人工合成网络平台生成的网络和现实世界的实际网络中进行仿真实验,并与其他算法进行了对比分析,实验结果验证了本文算对社团检测的有效性。(本文来源于《河南大学》期刊2019-06-01）
周敏[6]（2019）在《基于通联关系的网络社团追踪方法研究》一文中研究指出IP网络作为当今现实生活中一种重要的通信网络,其存在着社团结构。当对其进行安全监管时,分析整个社团的网络行为比单独分析每个IP通信结点的网络行为更高效。同时,追踪IP网络中社团的变化情况有助于实现匿名网络发现和网络异常检测。本文以IP网络为研究对象,对发现和追踪网络社团的方法进行研究。本文的主要研究内容可以归纳为以下两点:(1)研究基于通联关系的社团发现方法。本文设计并实现了一种基于通联行为相似度的社团发现方法——CDSCB,该方法首先引入了通联行为相似度的概念,用于描述IP结点间的相似度,它以结点的通联行为为基础,能够有效表征结点间的相似度,并且计算简单。基于该相似度,该方法通过迭代的方式将网络中的所有结点加入与其相似度最高的社团中。实验结果表明,在公开数据集和真实IP网络数据集上,相较于其他四种经典的社团发现方法,能够得到更好的模块度,以及具有更高的NMI(标准化互信息)。(2)研究基于通联关系的社团追踪方法。本文对标签传播算法进行了扩展,利用标签和社团的对应关系以及连续两次社团发现结果的标签变化情况,设计并实现了一种基于标签传播的社团追踪方法——LPCT。实验结果表明,该方法能够较好地追踪IP网络中社团的变化情况,相较于其他两种社团追踪方法ALPA和CommTracker,该方法在社团追踪时能够获得更好的社团发现结果,并且在处理速度上比ALPA和CommTracker分别快2倍和3倍。最后,本文设计了相关实验对IP网络中的社团进行了追踪分析。实验结果表明,本文所提出的方法不仅能够有效发现与网络应用或网络服务有关的社团结构,而且能对单个或多个社团分别进行追踪,从而得到社团之间的演化关系,利用本方法得到的结果将有助于匿名网络发现和网络异常检测。(本文来源于《北京邮电大学》期刊2019-05-20）
周克飞[7]（2019）在《基于并行多目标进化算法的大规模复杂网络社团检测研究》一文中研究指出在现实生活中,存在着各种各样的复杂系统,这些复杂系统通常可以抽象地表示为复杂网络。利用社团检测算法对复杂网络进行社团检测,能更好地理解系统结构,挖掘系统潜在的信息,还可以对一些未知的功能和属性进行预测。多目标进化算法具有良好的并行性、全局搜索能力以及对多种函数类可用等优良特性,成为解决复杂网络社团检测问题的重要方法之一。但目前大多数基于进化的社团检测算法都无法很好地处理大规模网络,为了进一步提升社团检测算法在大规模复杂网络上的性能,本文分别提出了基于并行多目标进化的大规模复杂网络非重迭和重迭社团检测算法。本文的主要研究工作如下:(1)提出了基于并行多目标进化的大规模复杂网络非重迭社团检测算法(PMOEA)。为了解决大规模复杂网络的社团检测问题,本文避免直接检测整个网络的社团划分,而是采用多个多目标进化算法并行检测网络中与对应关键点相关的社团。算法主要思想是首先检测出整个网络的关键点,然后运用多个多目标进化算法并行检测网络中与对应关键点相关的社团集合,最后使用单目标进化算法,从与每个关键节点相关的社团集合中来获得整个网络的社团划分。本文采用了与传统多目标社团检测算法不同的优化目标,设计了特别的交叉变异策略,同时缩短了个体编码长度,减小进化过程中种群的搜索空间,有助于发掘出更好的社团结构。配合多线程和分布式计算资源,多个多目标进化算法并行检测,缩短了多目标进化算法检测大规模复杂网络社团的时间。本文验证了PMOEA算法在真实网络和LFR基准网络上的有效性,尤其在大规模复杂网络上,实验结果表明本文提出的PMOEA算法与六个现有的社团检测算法相比具有一定的优势。(2)提出了基于并行多目标进化的大规模复杂网络重迭社团检测算法(PMOEAO)。现实生活中很多复杂网络都是重迭结构的,但在(1)的工作中没有对重迭结构进行特殊考察,无法检测出重迭的社团结构。因此本文在(1)算法的基础上进行进一步改进,提出PMOEAO算法,该算法继承了(1)算法并行处理的机制,同时具有解决重迭社团检测问题的能力。本文算法在(1)算法的MOEA进化过程中加入了候选重迭节点策略来调整社团边界,让改进的MOEA发掘的与单个关键节点相关的社团结构具有更合理的社团边界。之后再选用评价重迭社团划分的扩展模块度作为目标函数,通过单目标进化算法来确定整个网络的重迭社团划分。通过与六个具有代表性的重迭社团检测算法的实验结果的对比表明,PMOEAO算法在解决大规模复杂网络的重迭社团检测问题上具有一定的优势。(本文来源于《安徽大学》期刊2019-05-01）
韩忠明,刘雯,李梦琪,郑晨烨,谭旭升[8]（2019）在《基于节点向量表达的复杂网络社团划分算法》一文中研究指出社团结构划分对复杂网络研究在理论和实践上都非常重要.借鉴分布式词向量理论,提出一种基于节点向量表达的复杂网络社团划分方法(CDNEV).为了构建网络节点的分布式向量,提出启发式随机游走模型.利用节点启发式随机游走得到的节点序列作为上下文,采用SkipGram模型学习节点的分布式向量.选择局部度中心节点作为K-Means算法的聚类中心点,然后用K-Means算法进行聚类,最终得到社团结构.在真实和模拟两种网络上做了丰富的实验,与主流的全局社团划分算法和局部社团划分算法作了比较.在真实网络上CDNEV算法的F1指标比其他算法平均提高19%;在模拟网络上,F1指标则可以提高15%.实验结果表明,相对其他算法,CDNEV算法的精度和效率都较高.(本文来源于《软件学报》期刊2019年04期）
陈正鹏[9]（2019）在《基于进化计算的网络社团挖掘研究》一文中研究指出现实世界中的很多复杂系统,都可以抽象成图的形式,而复杂网络是研究各类系统普适性特征的有效工具。随着网络科学的发展,社团结构被证实为复杂网络的普遍性质。社团挖掘旨在识别网络中特定的社团结构,不仅对分析复杂网络拓扑结构、揭示复杂网络中的规律和预测复杂网络演化具有重要意义,而且有着广泛的应用前景,如社交网络上的信息传播分析,蛋白质功能预测,推荐系统优化等等。但是随着时代的发展,传统社团挖掘算法面临新的考验:1)网络数据规模增加,如何提高静态网络社团挖掘算法的效率是亟需解决的问题;2)网络呈现动态性,如何高效准确地捕捉网络的社团演化过程是亟待解决的问题;3)网络呈现层次性,如何挖掘出复合社团结构从而深层次地了解系统的全貌是目前的研究热点。针对现有的社团挖掘算法面临的静态社团识别效率低、动态社团结构不稳定,复合社团划分不合理的不足,本文围绕进化算法求解网络社团挖掘问题,将社团挖掘转化成优化问题,结合生物仿生模型和多目标优化理论,以“如何提高静态网络社团挖掘算法的效率”、“如何识别高质量且稳定的动态网络社团结构”和“如何识别具有较高全局特征的多层网络复合社团结构”为主线。针对静态网络社团挖掘,提出了一种基于多头绒泡菌仿生模型的离散粒子群优化算法。针对动态网络社团挖掘,提出了一种基于分解的多目标离散粒子群优化算法。针对多层网络社团挖掘,探究了现阶段多目标进化算法在多层网络上的研究现状和应用前景。本文的主要研究贡献可以概括为以下叁个方面:(1)针对静态网络社团挖掘问题,采用离散粒子群优化算法求解该问题。设计基于数字串的编码方式利于解码,方便计算适应度值。通过结合网络拓扑邻居的信息和基于贪心的模块度增量策略,修改传统粒子群算法的速度和位置更新公式。并介绍一种多头绒泡菌网络模型(PNM,Physarum network model),可以在一定程度上识别网络社团间和社团内的边。之后,将PNM模型对社团边属性的识别作为先验知识,对粒子群算法的种群初始化进行指导,提出了一种基于多头绒泡菌仿生模型的离散粒子群优化算法。最后,在计算机生成的基准网络和现实世界的网络数据集上进行对比实验,从准确度、鲁棒性和收敛速度方面证明算法的有效性。(2)针对动态网络社团挖掘问题,根据演化聚类框架思想,同时考虑网络社团的结构质量和稳定程度。为了自动确定演化框架中的权重系数和网络的社团数目,同时降低多目标进化算法的计算复杂度,使用基于分解的多目标粒子群优化算法进行问题求解,该算法分别以网络模块化密度和标准化互信息作为优化目标,采用切比雪夫(Tchebycheff)聚合的方式评价个体的适应度值。基于单目标粒子群优化算法,重新设计算法的初始化过程和最优个体状态更新规则,并设计帕累托(Pareto)最优解选取策略,从Pareto最优前端上选取模块化密度最大的解作为当前时刻的社团划分,同时当作下个时刻网络社团挖掘的参照。最后,通过对4类基准网络和7个真实网络数据集上的实验证明了算法的有效性,并对动态社团结构的演变进行了可视化。(3)由于多层网络社团挖掘研究刚刚起步,缺少清晰、统一的定义,本文仅探讨现阶段多层网络社团挖掘的相关理论基础和研究成果,介绍了两种不同类型的多层网络:复合型多层网络和相互依赖型多层网络。针对复合型多层网络的社团挖掘问题进行了形式化定义,汇总现阶段多层网络社团挖掘研究成果,特别是基于多目标进化计算的多层网络社团挖掘算法,为基于进化计算的多层网络社团挖掘研究奠定理论基础。综上,本文在复杂网络理论基础上,结合进化计算和多目标优化理论进行静态和动态网络社团挖掘,并探讨了多目标进化算法在多层网络社团挖掘中的有效性和应用前景。同时,通过大量实验证明了基于进化计算框架的社团挖掘算法的有效性。(本文来源于《西南大学》期刊2019-04-08）
王欢[10]（2019）在《基于网络社团结构的轨道交通线网生成研究》一文中研究指出随着城市化的快速发展,城市交通问题日益突出,城市轨道交通系统的发展有效缓解了城市道路系统的交通压力[1]。然而我国轨道交通发展过程中普遍存在着客流拥堵、换乘困难等的问题,部分原因在于原始线网规划方案与城市空间结构不相适应。考虑到轨道交通建设投资规模大、不可逆的特点,准确解析城市空间结构,规划既满足居民出行需求又适应城市空间发展的轨道交通线网具有重要意义。通过归纳总结了目前轨道交通线网规划方法,发现既有方法中缺乏量化分析手段,方案受到规划人员主观影响,导致线网规划方案具有较大的随机性。因此本文的目的在于量化线网生成过程,提出一种基于网络社团结构的城市轨道交通线网生成方法,旨在由城市活动模式揭示城市空间结构,进而生成与之相匹配的线网初期规划方案。本文首先介绍了复杂网络社团划分定义以及分类,重点介绍了基于模块度的4种典型的社团划分的算法,并基于模块度(Q)、标准化互信息(NMI)以及算法复杂度叁个划分质量评价指标对4种典型划分方法进行了比较,确定最优的Louvain算法用于本文的城市空间识别。然后分析了轨道交通线网生成过程中的约束条件,主要包括轨道交通线网形态及布局及线网规模测算两部分。在线网形态及布局方面,本文首先阐述了线网形态的因素,接着对方格型、无环放射型以及有环放射型线网叁种典型线网形态以及圈层、分散组团型和带状型叁种典型城市空间结构进行特征介绍以及适应性分析;在线网规模测算方面,首先基于现有长度测算方法,提出了考虑出行需求、线网服务面积覆盖、回归分析和地区经济等4个因素的线网线路总长度的综合测算方法,其次搜集国内主要城市的轨道交通线网以及多年运营情况,测算了国内轨道交通非直线系数以及平均客流强度。这些指标将作为线网生成过程中重要的约束条件。接着本文提出了基于网络社团结构的轨道交通线网生成方法。该线网生成方法主要包括城市空间结构识别及线网布设两部分。首先基于城市空间客流网络,采用Louvain算法对城市空间进行组团划分,识别城市空间结构。根据城市空间结构划分结果,首先分别在组团之间和组团内部生成线网方案,其中组团内部线网生成算法则主要以满足居民出行需求为目标,以Dijkstra最短路径搜索算法和全有全无客流分配算法为基础,以国内轨道交通平均客流强度以及轨道交通线路非直线系数作为约束条件,确定组团内部轨道交通候选路段;而组团之间线路的布设方式以满足城市发展需要为目标,结合全有全无客流分配布设适应城市空间结构的轨道交通线网形态;最后融合组团内部与组团之间的线网,形成轨道交通初步线网,以轨道交通线网线路总长度作为约束条件再次对线网进行调整,最终形成城市轨道交通落地线网。最后以国内A市作为研究案例,应用本文的线网生成算法进行轨道交通线网布设,并将形成的线网与不进行空间组团划分形成的线网进行比较得出,基于城市空间组团结构识别的线网在满足居民出行需求的基础上,更加注重轨道交通线网与城市空间结构的适应性,加强了城市中心区和郊区之间的联系,对平衡城市各地区之间的发展有重要的意义。(本文来源于《北京交通大学》期刊2019-04-01）
网络社团论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究中国航空网络的复杂特性,探究网络内部的演变规律和发展趋势,有助于航线结构调整和后续政策制定等。以2012—2017年航空网络为研究对象,构建拓扑结构并基于R平台,采用Newman快速算法分析社团结构及内部特征。研究结果显示,中国航空网络符合小世界特性且有向无标度网络演化的趋势;网络中存在核心节点,且逐步形成以北上广为叁大中心枢纽,核心节点为区域枢纽的机场群格局,研究为机场群打造中枢辐射型航空网络构建提供了实证基础。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络社团论文参考文献
[1].李强.网络社团的产生、发展与治理[J].中州学刊.2019
[2].陈秋吉,彭怡,蔡文婷,龙宽.基于Newman快速算法的中国航空网络社团结构研究[J].航空计算技术.2019
[3].卜振兴.复杂网络社团检测方法研究[D].中国人民公安大学.2019
[4].孙晔.基于化学反应算法优化社团分数的网络社团发现研究[D].河南大学.2019
[5].巩利敏.基于多目标密母算法的复杂网络社团检测研究[D].河南大学.2019
[6].周敏.基于通联关系的网络社团追踪方法研究[D].北京邮电大学.2019
[7].周克飞.基于并行多目标进化算法的大规模复杂网络社团检测研究[D].安徽大学.2019
[8].韩忠明,刘雯,李梦琪,郑晨烨,谭旭升.基于节点向量表达的复杂网络社团划分算法[J].软件学报.2019
[9].陈正鹏.基于进化计算的网络社团挖掘研究[D].西南大学.2019
[10].王欢.基于网络社团结构的轨道交通线网生成研究[D].北京交通大学.2019