راهکار تشخیص جوامع بر پایه الگوریتم ژنتیک در شبکه های پیچیده مبتنی بر خوشه بندی
- سال انتشار: 1401
- محل انتشار: هشتمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
- کد COI اختصاصی: ECMM08_020
- زبان مقاله: فارسی
- تعداد مشاهده: 342
نویسندگان
مدرس ، دکترای گروه مهندسی کامپیوتر ، دانشگاه فنی و حرفه ای ارومیه
کارشناسی ارشد ، مهندسی کامپیوتر گرایش شبکه های کامپیوتری
چکیده
تشخیص جوامع، بخش جدایی ناپذیری از شبکه های اجتماعی می باشد. شناسایی جوامع، نقش بسیار مهمی درطیف وسیعی از کاربردها، ایفا می کند. از جمله این روش ها، می توانهبه تحلیل خوشه ای سیستم پیشنهاد دهندهیا سیستم توصیه گر وسیستمهای پیچیده اشاره کرد. محققین، الگوریتمهای زیادی را برای کشف ساختارهایاجتماعی شبکه ها به دست آوردهاند. تشخیص جوامع یک کار چالش برانگیز است و هیچ الگوریتم مشخصیبرای اینکه بتواند بهترین نتایج را برای همه شبکه ها تولید کند، وجود ندارد. بنابراین، با وجود بسیاری از مسائل، تشخیص جوامع همچنان به عنوان یک موضوع مهم و مطرح شده در تحقیقات علمی می باشد. در این مقاله، یک الگوریتم ژنتیک مبتنی بر خوشه بندی برای تشخیص جوامع در شبکه های پیچیده پیشنهاد می شود. نتایج به دست آمده نشان می دهد، ضریب خوشه بندی، از تمامی روش ها مانند Zachary Karate Club ، Dolphins، Polbooks، NetScience، Facebook و غیره برای شبکه های پیشرفته استفاده می کند. پس از ضریب خوشهبندی مبتنی بر الگوریتم ژنتیک ، Infomap (I) و LPA (Lp) بهترین نتایج را برای شبکه Zachary Karate Club تولید می کند.در حالی که(LinkCommunity (Li ، به عنوان یک الگوریتم تشخیص جامعه ، برای این شبکه به خوبی عمل نمی کند و(ELPA (E ، NeTa (N) و COPRA (C) دارای مقادیر مدولاسیون بالایی برای این شبکهها می باشند. همچنین،در شبکه Dolphins، الگوریتم ژنتیک از سایر روش ها بهتر عمل می کند و دارای بالاترینمقدار مدولاسیون می باشد. پس از الگوریتم ژنتیک ، LPAو InfoMap برای این شبکه به خوبی عمل می کنند. در شبکه Football، الگوریتم ژنتیک از COPRA بهتر عمل می کند. بنابراین، محققین چندین الگوریتم ژنتیک را برای تشخیص جوامع استفاده کرده اند، اما الگوریتم پیشنهادی از نظر تولید جمعیت اولیه و روش جهش جدید بوده و باعث افزایش کارایی و دقت الگوریتم ژنتیک می شود.کلیدواژه ها
تشخیص جوامع، خوشه بندی، الگوریتم ژنتیک، شبکه های پیچیده، شبکه های اجتماعیمقالات مرتبط جدید
- تحلیل عددی تاثیر متغیرهای ضخامت و طول نمونه بر ناهمگنی کرنش ورق مسی براساس تعداد پاس های فرایند پرس کاری شیاری
- بهینه سازی سیستم راهگاهی و کاهش عیوب ریخته گری در پروانه پمپ با استفاده از نرم افزار Pro-CAST
- تاثیر انجماد نفوذ یکنترل شده بر سینتیک همگن سازی آلیاژ ۷۰۶۸ آلومینیم
- کاربرد تکنولوژی و فناوری در تولیدات خودرو و مهندسی مکانیک
- مروری بر فرصت ها و چالش های هوش مصنوعی در حوزه استخراج از معادن
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.