بهبود الگوریتم خوشه بندی گراف های حجیم در شبکه های اجتماعی با استفاده از الگوریتم ژنتیک و الگوریتم خوشه بندی k-mean
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,225
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECCONF01_007
تاریخ نمایه سازی: 22 آبان 1395
چکیده مقاله:
خوشه بندی یکی از بهترین روش های کار با داده هاست و قابلیت ورود به فضای داده و تشخیص ساختارش را امکان پذیر می نماید لذا به عنوان یکی از ایده آل ترین مکانیزم ها برای کار با دنیای عظیم داده ها محسوب می شود. خوشه بندی مبتنی برگراف تاثیر بسزایی در بهبود روابط و گردآوری و ذخیره سازی داده ها در شبکه های اجتماعی دارد. تاکنون الگوریتم های زیادی برای خوشه بندی داده ها ارائه شده است کار ارائه شده در این نوشتار به دسته بندی گراف های بزرگ غیر قطعی با استفاده از الگوریتم تکاملی می پردازد . یکی از بروزترین روش های بهینه سازی در شبکه های اجتماعی استفاده الگوریتم های الهام گرفته از طبیعت مانند الگوریتم بهینه سازی ژنتیک می باشد. این پژوهش برای بهبود خوشه بندی گراف ازترکیب الگوریتم ژنتیک با الگوریتم خوشه بندی k-mean استفاده می کند . به منظور اعتبار سنجی روش پیشنهادی از مجموعه داده در قالب یک گراف وزن دار شبکه های اجتماعی طراحی شده استفاده می شود نتایج حاصل با الگوریتم های مختلفی مقایسه شده است.
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 :