بهبود الگوریتم خوشه بندی گراف های حجیم در شبکه های اجتماعی با استفاده از الگوریتم ژنتیک و الگوریتم خوشه بندی k-mean
Publish place: The first national conference of computer science and engineering and information technology
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,317
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CECCONF01_007
Index date: 12 November 2016
بهبود الگوریتم خوشه بندی گراف های حجیم در شبکه های اجتماعی با استفاده از الگوریتم ژنتیک و الگوریتم خوشه بندی k-mean abstract
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.
بهبود الگوریتم خوشه بندی گراف های حجیم در شبکه های اجتماعی با استفاده از الگوریتم ژنتیک و الگوریتم خوشه بندی k-mean Keywords:
بهبود الگوریتم خوشه بندی گراف های حجیم در شبکه های اجتماعی با استفاده از الگوریتم ژنتیک و الگوریتم خوشه بندی k-mean authors
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 Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :