بهبود خوشه بندی گراف های بزرگ احتمالی با استفاده از الگوریتم تکاملی چند جمعیتی در شبکه های اجتماعی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,186
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECCONF01_008
تاریخ نمایه سازی: 22 آبان 1395
چکیده مقاله:
یکی از مسائل مهم تحقیقاتی، تعیین خوشه بندی معتبر است. این مسأله در صورتی پیچیده می شود که داده های زیربنایی دارای عدم قطعیت ذاتی باشند. کار ارائه شده در این نوشتار به دسته بندی گراف های بزرگ احتمالی با استفاده از الگوریتم تکاملی چند جمعیتی می پردازد. الگوریتم تکاملی جمعیت چندگانه خود را آغاز می کند که هر یک نشانگر نسخه قطعی از همان گراف احتمالی ارائه شده برای آن به عنوان ورودی است.نسخه قطعی چندگانه از همان گراف ورودی با اعمال آستانه های مختلف برای لبه ها ایجاد می گردد. هر کروموزوم از جمعیت چندگانه معرف یک راه حل کامل برای دسته بندی است. به منظور دسته بندی بکار بردهمی شود که با الگوریتم k-mean هدایت می گردد. راهکار پیشنهادی بر روی گراف های احتمالی شبکه های اجتماعی به صورت مصنوعی با استفاده از شاخص های اعتبار دسته برای شاخص دیویس-بولدین، شاخص دانو ضریب سیلوت آزمایش شده است. راهکار پیشنهادی با دو الگوریتم دسته بندی مبنا برای داده های غیرقطعی، فازی - DBSCAN، و fuzzy cmean مقایسه می گردد. نتایج بدست آمده اشاره دارند که راه حل پیشنهادی کارآیی بهتری نسبت به روش های مبنا و الگوریتم های مدرن دارد.
کلیدواژه ها:
نویسندگان
فاطمه علی آبادی
دانشگاه آزاد اسلامی واحد یزد
محمدحسین پیروی
دانشگاه آزاد اسلامی واحد یزد
سیما عمادی
دانشگاه آزاد اسلامی واحد یزد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :