خوشه بندی گراف منتسب

امروزه به واسطه رشد سریع داده ها و در دسترس بودن منابع عظیمی از داده ها روش هایی که منجر به تحلیل و استخراج دانش از این داده هاشود مورد اهمیت زیادی می باشد. بسیاری از این داده ها نمایشی به صورت گراف دارند. در نتیجه مسئله خوشه بندیگراف ها مورد توجه بسیاری قرار گرفته است . اغلب روش های خوشه بندی موجود یا فقط از ویژگی رئوس به عنوان داده های اولیه و یا فقط اطلاعات ساختار منیفلدی گراف داده ها برای خوشه بندی استفاده می کنند. در این مقاله روشی برای خوشه بندی پیشنهاد کردیم که به طور همزمان از تمام اطلاعات موجود در گراف یعنی هم اطلاعات اولیه داده ها و هم اطلاعات ساختار منیفلدی گراف داده ها بهره می برد.

کلیدواژه ها:

خوشه بندی ، گراف داده ها ، یادگیری بدون ناظر ، گراف منتسب