یک معیار مرکزیت نیمه-محلی برای شناسایی گره های تاثیرگذار در شبکه های پیچیده
- سال انتشار: 1400
- محل انتشار: چهاردهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات
- کد COI اختصاصی: CECCONF14_024
- زبان مقاله: فارسی
- تعداد مشاهده: 554
نویسندگان
موسسه آموزش عالی غیرانتفاعی-غیر دولتی لیان، بوشهر، ایران
دانشکده مهندسی کامپیوتر، واحد فیروزآباد، دانشگاه آزاد اسلامی، فیروزآباد، ایران
موسسه آموزش عالی غیرانتفاعی-غیر دولتی لیان، بوشهر، ایران
چکیده
تاثیرگذاری گره به توانایی گره در انتشار اطلاعات اشاره دارد. هرچه انتشار گره سریعتر و گسترده تر شود، تاثیر آن نیز بیشتر است. با اهمیت نظری و عملی بسیار زیاد، شناسایی گره های تاثیرگذار در شبکه های پیچیده به یکی از جذاب ترین مباحث تحقیقاتی در سالهای اخیر تبدیل شده است. بسیاری از معیارهای توپولوژیک کلاسیک وجود دارد که میتواند برای ارزیابی توانایی تاثیرگذاری گره ها استفاده شوند. مرکزیت درجه، مرکزیت بینابینی، مرکزیت نزدیکی و مرکزیت محلی بیشترین کاربرد را در شناسایی گره های موثر در شبکه های پیچیده دارند. مرکزیت درجه بسیار ساده است اما از اهمیت چندانی برخوردار نیست. معیارهای سراسرس مانند مرکزیت بینابینی و مرکزیت نزدیکی میتوانند گره های تاثیرگذار را بهتر شناسایی کنند، اما به دلیل پیچیدگی محاسباتی قادر به استفاده در شبکه های مقیاس بزرگ نیستند. به منظور طراحی یک روش رتبه بندی موثر، در این مقاله یک معیار مرکزیت نیمه محلی بر اساس میانگین کوتاه ترین مسیر (ASP) پیشنهاد شده که در آن تغییر نسبی میانگین کوتاه ترین مسیر از کل شبکه در نظر گرفته میشود. برای ارزیابی عملکرد معیار پیشنهادی از مدل حساس آلوده حذف شده (SIR) استفاده میشود. شبیه سازی در چند شبکه واقعی نشان میدهد که معیار پیشنهادی به خوبی میتواند گرههای تاثیرگذار را شناسایی کند.کلیدواژه ها
شبکه های پیچیده، گره های تاثیرگذار، اندازه گیری مرکزیت.مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.