-
بهبود روش خوشه بندی مبتنی بر آگاهی از تکامل در جریان های گراف
-
- تاریخ انتشار 1397/10/10
- تعداد صفحات 12
- زبان مقاله فارسی
- حجم فایل 979 کیلو بایت
- تعداد مشاهده چکیده 179
- قیمت 29,000 تومان
- تخفیف 0 تومان
- قیمت با احتساب تخفیف: 29,000 تومان
- قیمت برای کاربران عضو سایت: 23,200 تومان
- محل انتشار دومین همایش ملی پژوهش های مهندسی رایانه
-
نویسندگان مقاله
- محسن سعادتپورمقدم دانشجوی کارشناسی ارشد، دانشگاه شهیدبهشتی
- سیدکامیار ایزدی عضو هیئت علمی، دانشگاه شهیدبهشتی
- رحیم هاشمی شهرکی دانشجوی کارشناسی ارشد، دانشگاه شهیدبهشتی
-
چکیده مقاله
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.
-
کلید واژه
گراف کاوی/جریان گراف/خوشه بندی/جریان داده ها/خوشه بندی راس های گراف
-
راهنمای خرید و دانلود
- اگر در مجموعه Confpaper عضو نیستید، به راحتی می توانید از طریق دکمه زیر اصل این مقاله را خریداری نمایید .
- با عضویت در Confpaper می توانید اصل مقالات را با حداقل 20 درصد تخفیف دریافت نمایید .
- برای عضویت به صفحه ثبت نام مراجعه نمایید .
- در صورتی که عضو این پایگاه هستید،از قسمت بالای صفحه با نام کاربری خود وارد سایت شوید .
- لینک دانلود فایل خریداری شده به ایمیل شما ارسال میگردد .
نظرات کاربران
برای ارسال نظر، لطفا وارد حساب کاربری خود شوید.