مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

40
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

روشی نوین برای خوشه بندی نیمه نظارتی شبکه های پیچیده‎ ‎مبتنی بر معیار پیمانگی

صفحات

 صفحه شروع 88 | صفحه پایان 101

چکیده

 خوشه بندی, ابزاری پرکاربرد جهت تحلیل اطلاعات شبکه های پیچیده ‏است که برای مدل سازی سامانه های پیچیده بکار می رود. پیمانگی , ‏معیاری پایه و فراگیر جهت ارزیابی و صحت سنجی خوشه بندی شبکه ها ‏است که دارای چالش هایی چون ان پی-سخت بودن مسئله و عدم‎ ‎امکان ‏استفاده از دانش اولیه در خوشه بندی می باشد. لذا, خوشه بندی مبتنی بر ‏معیار پیمانگی, قابلیت تعمیم به خوشه بندی های نیمه نظارتی را ندارد. از ‏طرفی, یکی از روش های خوشه بندی نیمه نظارتی, روش خوشه بندی مبتنی ‏بر تجزیه نامنفی ماتریسی (‏NMF‏) می باشد. اما این روش, ویژگی های ‏خاص شبکه ها را در نظر نمی گیرد. در این مقاله, برای غلبه بر چالش های ‏نام برده و با ارائه ی اثباتی جدید, برای خوشه بندی مبتنی بر معیار پیمانگی, ‏ساختاری مشابه با خوشه بندی مبتنی بر تجزیه نامنفی ماتریسی نامتقارن ‏ارائه می شود که در آن, امکان بهره گیری از دانش اولیه و حل به روش ‏تکراری میسر می گردد. سپس, روش خوشه بندی نیمه نظارتی نوینی به نام ‏تجزیه نیمه نظارتیِ نامنفی ماتریس های متقارن مبتنی بر معیار پیمانگی ‏‏(‏SSNMF-Q‏) با بهره گیری از مزیت دانش اولیه و روش حل تکراری, ‏به جای حل مسئله ان پی-سخت ارائه می گردد. برای ارزیابی روش ‏پیشنهادی, از پنج مجموعه داده واقعی استفاده شده که نتایج, بیانگر عملکرد ‏بهتر‎ SSNMF-Qدر مقایسه با سایر خوشه بندی های نیمه نظارتی مبتنی بر ‏NMF‏ می باشد.‏

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button