بهبود روش خوشه بندی مبتنی بر آگاهی از تکامل در جریان های گراف
- سال انتشار: 1395
- محل انتشار: دومین همایش ملی پژوهش های مهندسی رایانه
- کد COI اختصاصی: RCEITT02_082
- زبان مقاله: فارسی
- تعداد مشاهده: 604
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه شهیدبهشتی
عضو هیئت علمی، دانشگاه شهیدبهشتی
دانشجوی کارشناسی ارشد، دانشگاه شهیدبهشتی
چکیده
در این مقاله ما به بهبود روش خوشه بندی مبتنی بر تکامل برای گراف های وزندار در مقیاس بزرگ جریاان گاراف پرداخته ایم.گراف های پویایی که بروزرسانی های آن شامل حذف و اضافه شدن رأس/یال در طول زمان به صورت جریان صورت می گیرد،به عباری دیگر جریانی از تغییرای اتمیک شامل حذف و اضافه شدن رأس/یال در طول زمان خواهیم داشت و الگاوریتم ارائه شدهمدیریت این بروزرسانی ها را جهت خوشه بندی رأس های گراف با رویکردی افزایشی و برخط دارد و جهت بهبود کارایی الگوریتممی تواند به راحتی موازی گردد. الگوریتم پنجره کشویی در پردازش جریان داده ها می تواند برخی از سیرتکاملی و تغییرات خوشه هارا در طول زمان بدست بیاورد، اما بستگی به اندازه پنجره دارد و در زمان هایی که پنجره بزرگ در نظر گرفته شود و خوشه بندی درداخل پنجره دارای تغییرای بسیار باشد، نمی تواند به خوبی این تغییرای و تکاملات را مدیریت نماید. اکثر الگوریتم های خوشه بندیارائه شده برای جریان گراف تا کنون آفلاین بوده و نسبت به سیر تکامل و تغییرات خوشه ها حساس نیستند. الگوریتم خوشه بندیمبتنی بر آگاهی به حل این مساله با رویکرد آگاهی از تکامل در روند خوشه بندی پرداخته است، اما این الگوریتم نیاز برایگراف های وزن دار نبوده و تعداد ارتباطی رأس ها (تعداد یالی که بین دو رأس در طول زمان تکرار می شوند) نادیده گرفته است. مادر این مقاله، نه تنها نسخه جدیدی از الگوریتم خوشه بندی مبتنی بر آگاهی برای گراف های وزن دار ارائه داده ایم، بلکه جهتبهبود کارایی از ساختمان داده بهتر در ذخیره سازی اطلاعات مورد نیاز از تاریخچه فعالیت های رأس ها در طول زمان و ویژوالنمودن مدل برای درک بهتر، پرداخته ایم. نتایج نشان می دهد، الگوریتم پیشنهادی دارای کارایی بالا و کیفیت خوشه بندی قابلتوجهی نسبت به مدلهای مقایسه شده دارد.کلیدواژه ها
گراف کاوی، جریان گراف، خوشه بندی، جریان داده ها، خوشه بندی راس های گرافمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
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.