[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: حسن عابدی ::
 | تاریخ ارسال: ۱۳۹۵/۲/۱۴ | 

AWT IMAGE

آقای حسن عابدی دانشجوی کارشناسی ارشد آقای دکتر حسن نادری روز چهارشنبه  95/02/15 ساعت 13:30 در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان "یافتن اجتماعات در گرافهای حجیم به کمک بررسی خواص توپولوژیکی شبکه های پیچیدهی زیرین" دفاع می نمایند.

چکیده

ساختار اجتماع خصوصیتی فراگیر در شبکه‌های پیچیده است. مساله‌ی یافتن اجتماعات در این  شبکه‌ها جزو مسایل مورد توجه محققین در چند سال اخیر بوده است. اجتماع مجموعه‌ای از گره‌های گراف می‌باشد که در عین حالی که با هم دارای اتصالات زیادی می‌باشند از بقیه گراف به خوبی مجزا هستند. گراف‌ ‌شبکه‌های پیچیده دارای خواص ساختاری مانند کوتاهی فاصله‌ دو گره‌ دلخواه هستند که آن‌ها را از گراف‌های تصادفی مطالعه شده در گذشته متمایز می‌نماید. از طرفی الگوریتم‌های یافتن اجتماعات را می‌توان به دو دسته‌ی الگوریتم‌های محلی و سراسری تقسیم کرد. یکی از چالش‌های الگوریتم‌های محلی انتخاب گره‌های دانه است. در این پایان‌نامه روشی برای یافتن اجتماعات روی گراف شبکه‌های پیچیده به کمک انتخاب دانه‌های مرغوب و بسط این گره‌ها توسط یک الگوریتم محلی ارایه شده است. روش‌ پیشنهادی ما ۳ مرحله دارد،  در مرحله‌ی نخست گره‌های گراف ورودی به کمک یک استراتژی حریصانه به چندین افراز تقسیم می‌شوند.  این افراز‌ها نشان دهنده‌ی اجتماعات اولیه گراف‌ ما خواهند بود.  در گام دوم درون هر زیرگراف حاصل از گره‌های درون یک افراز و اتصالات میان گره‌های آن  به دنبال گره‌هایی که به احتمال زیادی به خوبی در بطن یک اجتماع واقع شده‌اند می‌گردیم.  در این مرحله در هر زیرگراف به صورت موازی به کمک بررسی همسایگی گره‌های  با درجه‌ بالا، گره‌هایی را که می‌توانند به خوبی نشانگر اجتماع خود باشند را به عنوان گره‌ دانه برمی‌گزینیم. در گام آخر اجتماعاتی که هر گره دانه در آن قرار گرفته است را به کمک الگوریتمی که بر پایه محاسبه‌ی بردار Personalized Pagerank عمل می‌کند، می‌یابیم.

برای آزمایش کیفیت اجتماعات خروجی روش پیشنهادی، از ۲۲ گراف استاندارد که در ۷ دسته مختلف از شبکه‌های پیچیده قرار می‌گیرند استفاده شده است. برای سنجش کیفیت اجتماعات روش‌ پیشنهادی میزان ۵ معیار مختلف سنجش اجتماعات برای خروجی روش ‌ما و ۳ روش دیگر آزمایش شده است. کیفیت اجتماعات روش پیشنهادی برای ۲ معیار از ۵ معیار بسیار بهتر از خروجی دیگر روش‌هاست، برای ۳ معیار دیگر هم عملکرد روش‌ پیشنهادی ما بسیار شبیه عملکرد روش با بهترین خروجی بوده است. نتایج‌ ما نشان‌ می‌دهد که نباید تنها درجه‌ یک گره‌ را به عنوان معیار صرف دانه بودن آن انتخاب کرد.

Abstract

Exploring community structure is an appealing problem that has been drawing much attention in the recent years. One serious problem regarding many community detection methods is that the complete information of real-world networks usually may not be available most of the time, also considering the dynamic nature of such networks(e.g. web pages, collaboration networks and

user friendships on social networks), it is most probable possibility that one could detect community structure from a certain source vertex with limited

knowledge of the entire network. The existing approaches can do well in measuring the community quality, Nevertheless they are largely dependent on source vertex chosen for the process. Additionally, using unsuitable seed vertices may lead to finding of low quality or erroneous communities for output of many of the algorithms.

This thesis proposes a method to find better source vertices to be used as seeds to construct community structures locally. Inspired by the fact that many gargantuan real-world networks and respectively their graphs contain a myriad of lightly connected vertices, we explore community structure heuristically by giving priority to vertices which have a high number of links pertaining to the core structure of the network. Experimental results prove that our method can perform effectively for finding high quality seed vertices.


دانشجو:

حسن عابدی

   رشته مهندسی فناوری اطلاعات – گرایش نرم افزار

استاد راهنما: اقای دکتر حسن نادری

استاد داور داخلی:  اقای دکتر عین الله خنجری

استاد داور خارجی: آقای دکتر محمد صنیعی آباده

  تاریخ دفاع: چهارشنبه 15 اردیبهشت ماه 95

  زمان:ساعت 13:30

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق سمینار

 از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

 

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 

 

 

 

 

دفعات مشاهده: 1439 بار   |   دفعات چاپ: 223 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.178 seconds with 967 queries by yektaweb 3444