[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
 اطلاعیه های آموزشی
..
فراخوان ها
فراخوان های همکاری با صنعت و سازمان ها
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۳/۳/۲۶ - علی السیلاوی
۱۴۰۳/۲/۲۴ - رحمن عمیری


دفاعیه های 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.
..
:: فاطمه اکبری ::
 | تاریخ ارسال: 1401/9/26 | 

    ارائه­ دهنده:
فاطمه اکبری


 استاد راهنما:
دکتر
عین‌اله خنجری
استاد مشاور: دکتر بهروز مینایی

هیات داوری: 
 دکتر
حسن نادری
دکتر محمود نشاطی

زمان:
 ۱۴۰۱/۰۹/۰۳

ساعت ۱۶:۰۰
 

خانم فاطمه اکبری دانشجوی کارشناسی ارشد آقای دکتر عین‌اله خنجری روز شنبه ۰۳ دیماه ساعت ۱۶:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "تشخیص جامعه در شبکه‌های اجتماعی براساس بهینه‌سازی کلونی زنبورعسل با استفاده از الگوریتم ژنتیکدفاع خواهند نمود.

چکیده پایان نامه:
 
تاکنون چندین روش برای تشخیص جوامع پیشنهاد شده‌است که نشان‌دهنده اهمیت بالای کشف جوامع برای درک شبکه‌های اجتماعی و تشخیص الگوهای مفید و پنهان در شبکه‌ها می‌باشند. هدف از این گونه تحلیل‌ها پیدا کردن دسته‌ای از کاربران با ویژگی‌های مشترک است. اصولا شبکه‌های اجتماعی به صورت گراف در نظر گرفته می­شوند لذا تحلیل نیز با استفاده از روش‌های گراف می­باشد، در این صورت گره‌ها نشان‌دهنده‌ی افراد و یال‌ها نشان‌دهنده‌ی روابط بین آن‌ها است. محققان الگوریتم‌های زیادی را برای کشف ساختارهای اجتماعی شبکه‌ها استخراج کرده‌اند. کشف جوامع یک کار چالش برانگیز است و هیچ الگوریتم واحدی وجود ندارد که بهترین نتایج را برای همه شبکه‌ها ایجاد کند. بنابراین، با وجود بسیاری از راه‌حل‌های ظریف، کشف جوامع یک حوزه فعال تحقیقاتی باقی می‌ماند. در این پایان‌نامه بعد از بررسی روش‌های تشخیص جوامع با استفاده از الگوریتم‌های تکاملی ژنتیک و کلونی زنبورعسل و سایر روش‌های ارائه‌شده، یک روش تشخیص جوامع ترکیبی زنبورعسل و ژنتیک ارائه شده‌است. در این روش از تکنیک موازی جهت تسریع بهینه‌سازی استفاده ‌شده‌است و همچنین سعی شده‌است ضعف‌های سایر روش‌ها را پوشش دهد. یکی از ضعف‌ها تابع برازندگی است. در اکثر رویکردها از پیمانگی استفاده شده‌است که این روش از محدودیت وضوح رنج می‌برد و نمی‌تواند جوامعی که اندازه آن کوچک است را تشخیص دهد و آن را در ترکیب با جوامع بزرگ در نظر می‌گیرد. بنابراین در این روش از تابع برازندگی پیمانگی متعادل استفاده شده‌است. روش پیشنهادی با استفاده از مزایای الگوریتم ژنتیک در ایجاد جمعیت اولیه کارآمد و استفاده از عملگرها در جست‌وجوی منابع غذایی توسط زنبورها، شامل دقت ۹۸ درصد و سرعت بالا در تشخیص جوامع است. آزمایش‌ها بر روی شبکه‌های معروف دنیای واقعی، از جمله کاراته، فوتبال آمریکایی، دلفین‌ها و کتاب‌های سیاسی، نشان داده‌اند که الگوریتم پیشنهادی (BSOGA) دارای دقت بالاتر و کارایی قابل مقایسه با روش‌های مطرح در تشخیص جامعه است.


 

 
مکان: دانشکده مهندسی کامپیوتر، طبقه سوم ،اتاق دفاع
 
 



 

دفعات مشاهده: 1378 بار   |   دفعات چاپ: 171 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
data
Persian site map - English site map - Created in 0.17 seconds with 53 queries by YEKTAWEB 4657