摘要：随着社交媒体越来越发达，人们使用社交网络工具愈加频繁，产生了大量的社交网络数据，这些数据中隐藏着许多有价值的信息，通过可视化方法将这些数据表示出来，更有利于人们决策。基于Python语言的networkx复杂网络分析包中已实现了一些典型的布局算法，但是这些算法无法有效地显示出社交网络中的社区聚簇特性。因此需要编写实现满足该需求的算法程序。

本文介绍了网络布局算法中的力导引模型和模拟退火算法，研究了在此基础上建立的Fruchterman-Reingold算法,同时研究了基于FR算法改进的适于社区挖掘分析与可视化布局算法（community detection analysis layout，CDAL）。为了研究和测试FR算法和CDAL算法，本文基于Python语言和networkx复杂网络分析包，结合已实现的FR算法程序，编写实现了CDAL算法。最后通过对dolphins、football和karate 3个典型的社区网络数据的可视化，分析两个算法在不同社区划分和边界噪声点的社区归属问题上的表现，体现出CADL算法在反映社区网络聚簇特性上的优越性。

关键词：数据可视化；社交网络；Fruchterman-Reingold算法；社区挖掘分析与可视化布局算法；

目录

摘要

Abstract

1 绪论-1

1.1 社交网络布局的研究背景及意义-1

1.2 国内外研究现状-2

1.3 本文内容及安排-3

2 FR算法和CDAL算法的研究-5

2.1 FR算法-5

2.2 模拟退火算法-6

2.3 CDAL算法-7

2.3.1 度中心度-7

2.3.2 结构紧凑度-7

2.4 算法流程-10

2.5 分层算法-11

2.6 参数的选择-11

2.7 小结-11

3 结果分析-13

3.1 可视化结果与分析-13

3.2 比较总结-16

结    论-17

参 考 文 献-18

附录A 程序

致    谢