ارائه روشی برای خوشه بندی اشیاء دریایی با به کارگیری رویکرد تشخیص اجتماع در شبکه های اجتماعی

شناسایی و گروه بندی وسایل دریایی در مناطق آبی، از اهمیت ویژه ای برخوردار است. اکثر تحقیقات در حوزه گروه بندی اشیاء دریایی، از رویکرد با ناظر استفاده می کنند و در نتیجه وابسته به فرایند آموزش بر روی مجموعه داده هایی می باشند که برچسب طبقه هر عضو، مشخص است. البته فراهم آوردن داده های برچسب دار، همیشه امکان پذیر نیست و در بسیاری از مواقع، مجموعه داده های واقعی، فاقد برچسب طبقه هستند. در این مقاله، یک روش جدید خوشه بندی اشیاء دریایی، با رویکرد بدون ناظر، ارائه شده است. روش پیشنهادی، شامل ۴ مرحله تولید ویژگی، ایجاد ماتریس های شباهت، ایجاد ماتریس شباهت کل و تشخیص اجتماع می باشد. عمل خوشه بندی، برخلاف عموم روش های مشابه، نه با در نظر گرفتن تنها یک خصوصیت از اعضای یک مجموعه داده، بلکه با در نظر گرفتن چندین خصوصیت و با به کارگیری چندین الگوریتم تولید ویژگی برای کشف خصوصیات مذکور، انجام شده است، تا قابلیت وفق پذیری بیشتری با کاربردهای مختلف و متفاوت داشته باشد. سپس، با توجه به پتانسیل تئوری گراف، عمل خوشه بندی اشیاء دریایی، با به کارگیری مباحث مرتبط با حوزه تشخیص اجتماع در شبکه های اجتماعی، که ناظر به عمل خوشه بندی بر روی گراف ها هستند، صورت پذیرفته است. در این تحقیق، عملکرد روش پیشنهادی، با انجام آزمایش بر روی دو مجموعه داده حاوی فایل های صوتی مربوط به اشیاء دریایی، بررسی شده است. به منظور ارزیابی عملکرد روش پیشنهادی، از معیار شاخص ژاکارد استفاده شده است. عملکرد روش پیشنهادی، با در نظر گرفتن سه مورد از بهترین الگوریتمهای تشخیص اجتماع در مرحله چهارم آن، مقایسه شده است. نتایج نشان دادهاند که روش پیشنهادی توانسته است در بهترین حالت، به مقدار شاخص ژاکارد ۹۲۳/۰ و ۸۰۰/۰، به ترتیب بر روی مجموعه دادههای اول و دوم، دست پیدا کند. نتایج آزمایش مذکور، نشان از آن دارند که روش خوشه بندی ارائه شده، میتواند به نتایج مناسبی دست پیدا کند، و راه حل مناسبی برای خوشه بندی اشیاء دریایی ارائه دهد.

کلیدواژه ها:

اشیاء دریایی ، تولید ویژگی ، ماتریس شباهت ، خوشه بندی ، تشخیص اجتماع