پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا

word 6 MB 31077 82
1392 کارشناسی ارشد مهندسی کامپیوتر
قیمت: ۱۰,۶۶۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان نامه­ ی کارشناسی ارشد در رشته­ی مهندسی کامپیوتر- هوش مصنوعی

     

    چکیده

    شناسایی تشکل های همپوشان در شبکه های پویا

     

    بسیاری از ساختارهای پیچیده طبیعی و اجتماعی را می‌توان به صورت شبکه[1] در نظر گرفت. جاده‌ها، پایگاه‌های اینترنتی، شبکه های اجتماعی، ارتباطات سازمانی، روابط خویشاوندی، تبادل نامه‌های الکترونیک، تماس‌های تلفنی و تراکنش‌های مالی تنها چند نمونه از این شبکه‌ها هستند. امروزه تحلیل شبکه‌ها یکی از شاخه‌های پژوهشی پرطرفدار و پرکاربرد در سطح جهان است و توجه پژوهشگران بسیاری از رشته‌های مختلف از جمله علوم کامپیوتر و علوم اجتماعی را به خود اختصاص داده است. نتایج حاصل از این پژوهش‌ها، ابزار و اطلاعات مفیدی را برای استفاده در حوزه‌های مختلف از جمله: ارتباطات، امنیت و تجارت در اختیار قرار می‌دهد.

    یکی از موضوعات پرکاربرد در زمینه تحلیل شبکه‌ها، شناسایی تشکل‌ها[2] در شبکه است. می‌توان هر تشکل را توده‌ای متراکم از رئوس در نظر گرفت که از طریق یالهای اندکی با تشکل‌های دیگر در ارتباط است. به عنوان مثال افراد با علایق و تمایلات مشابه در شبکه‌های اجتماعی، صفحات با محتوای مرتبط در فضای وب، مقالات با حوزه‌های مشابه در پایگاه مقالات، همگی نمونه‌هایی از تشکل‌ها در شبکه‌های مختلف هستند. در سال‌های اخیر، کارهای بسیاری در زمینه شناسایی تشکل‌ها، انجام گرفته و الگوریتم‌ها و ابزارهای متعددی ارائه شده است اما همچنان تلاش برای ارائه روش‌های بهتر از منظرهای مختلف از جمله سرعت، دقت و مقیاس‌پذیری ادامه دارد.

    در این پایان نامه، دو روش پیشنهادی، یکی برای افزایش کارایی تشخیص تشکل های همپوشان در شبکه های ایستا و دیگری برای شبکه های پویا به همراه نتایج آزمایش های متعدد انجام شده برای ارزیابی کارایی آنها ارائه شده است.

    واژگان کلیدی: شبکه های پویا، شبکه های اجتماعی، تشخیص تشکل همپوشان، روش پخش برچسب

    فصل اول

    فصل اول: مقدمه

    مقدمه

    در دنیای امروز، ما با سیستم های پیچیده ای[1] در پیرامون خود احاطه شده ایم، از جامعه که در آن میلیون ها عضو با یکدیگر در حال تعامل هستند تا شبکه های تلفن همراه و کامپیوتر که میلیون ها کاربر را به یکدیگر متصل می‌کنند. همچنین توانایی ما برای استنتاج و درک محیط اطراف، وابسته به شبکه ای از میلیاردها سلول عصبی[2] در مغز ماست. این سیستم های پیچیده نقش های بسیار مهمی در جنبه های مختلف زندگی ما ایفا می‌کنند. درک، توصیف، پیش بینی و کنترل این سیستم ها از جمله بزرگترین چالش های ما در جهان مدرن است.

    معمولا در پشت هر کدام از این سیستم های پیچیده، شبکه ای عظیم قرار دارد که تعاملات بین اجزای این سیستم ها را مشخص می‌کند. به عنوان مثال: فعل و انفعالات شیمیایی درون بدن موجودات زنده، تعاملات میان سلول های عصبی مغز، روابط دوستی، خویشاوندی و اجتماعی، شبکه جهانی اینترنت، تراکنش های مالی، خطوط انتقال و توزیع نیرو، راه های ارتباطی زمینی، هوایی و دریایی، همگی بخشی از مواردی هستند که می‌توان آنها را به صورت یک شبکه توصیف کرد. همچنین می‌توان گفت که شبکه ها قلب بسیاری از فناوری های انقلابی عصر حاضر هستند. موتورهای جستجو[3]، شبکه های اجتماعی مجازی[4]، شبکه های کامپیوتری جهانی، شبکه جهانی مخابرات و تلفن همراه تنها تعدادی از این نمونه ها هستند.

    با وجود تفاوت و تنوع بسیار زیادی که در ماهیت، اندازه، کاربرد، رفتار و ویژگی های مختلف این سیستم ها و شبکه ها، چه از نوع طبیعی و چه ساخته دست بشر وجود دارد، می‌توان اصول و قوانین مشخص و مشابهی را در میان آنها مشاهده کرد. برای مثال: شبکه واکنش های شیمیایی که اجزای آن را مولکول های بسیار کوچک تشکیل می‌دهند، شبکه جهانی وب[5] که در آن صفحات وب به وسیله پیوندهای وب[6] به یکدیگر متصل شده اند، شبکه های اجتماعی که از روابط میان افراد تشکیل شده اند و بسیاری موارد دیگر، همگی قابل توصیف با ساختارها و قوانین مشابهی هستند و این امر به عنوان یک مزیت بزرگ تلقی می‌شود. زیرا می‌توان تمام این سیستم های متفاوت طبیعی و مصنوعی را توسط ابزارهای ریاضی و مدل سازی مشابهی توصیف کرد.

    با توجه به اینکه از سال ها پیش بسیاری از این سیستم ها، مانند: ساختارها و واکنش های زیستی، راه های ارتباطی، روابط اجتماعی و نظایر آن و همچنین دانش مطالعه بر روی سیستم ها و شبکه ها شناخته شده اند، پرسشی که ممکن است مطرح شود این است که چرا اهمیت این موضوع تنها در چند دهه اخیر آشکار شده است؟ پاسخی که می‌توان داد این است که در گذشته ابزارهای مناسبی برای جمع آوری، نگهداری و پردازش این اطلاعات وجود نداشت اما امروزه با توسعه چشمگیر فناوری هایی نظیر کامپیوتر و شبکه های ارتباطی دیجیتال، این امکان فراهم آمده است که گردآوری، ترکیب، اشتراک و تحلیل این اطلاعات با سهولت، سرعت و دقت بالا و هزینه کم قابل اجرا باشد.

    دانش شبکه[7]

    دانش شبکه شاخه ای از علوم بشری است که به مطالعه بر روی شبکه ها می‌پردازد و تلاش می‌کند با استفاده از نتایج بررسی های خود، از آنها برای درک بهتر سیستم های پیچیده بهره بگیرد. به طور کلی می‌توان چهار ویژگی را برای این دانش برشمرد که در ادامه به اختصار به آنها اشاره می‌شود (1):

    ماهیت میان رشته ای: با توجه به نحوه برخورد با مسئله در حوزه مطالعه شبکه ها، این دانش تنها به یک شاخه خاص از علم محدود نبوده و می‌تواند در علوم گوناگون از قبیل: علوم اجتماعی، زیستی، کامپیوتر، فیزیک، شیمی، اطلاعات، اقتصاد، امنیت و بسیاری از موارد دیگر کاربرد داشته باشد. به عنوان مثال، روشی که در حوزه علوم اجتماعی برای تشخیص افراد و گرو های موثر بر جامعه مورد استفاده قرار می‌گیرد، ممکن است در شبکه های کامپیوتری برای مدیریت ترافیک شبکه به کار برده شود.

    عملگرایی و تمرکز بر داده ها: بر خلاف نظریه گراف ها که بیشتر به جنبه های انتزاعی و ریاضی مسائل توجه دارد، این دانش بیشتر بر حوزه کاربرد عملی و داده های مسئله تمرکز می‌کند. به همین جهت ابزارها و روش هایی که در این زمینه ارائه می‌شوند، بر روی داده ها و مسائل واقعی آزمایش می‌شوند تا قابلیت و کارایی آنها مشخص شود.

    بیان کمی و ریاضی: مطالعه شبکه ها برای توصیف و مطالعه بهتر و دقیق تر، از ابزارها و روش های ریاضی بهره می‌برد. به عنوان مثال: نظریه گراف ها، آمار و احتمالات، داده کاوی[8]، تئوری اطلاعات[9]، کنترل و فیزیک آماری از جمله علومی هستند که در این حوزه کاربرد دارند.

    پردازش و محاسبات: از آنجا که اغلب مسائل مطرح شده در این حوزه، حجم عظیمی از اطلاعات را در بر می‌گیرند، بخش مهمی از کار به طراحی و بکارگیری روش هایی معطوف می‌شود که بتوانند از عهده محاسبات سنگین مورد نیاز برآیند. به همین منظور طراحی الگوریتم ها، پایگاه داده ها و داده کاوی بخشی از ابزارهای نرم افزاری هستند که بسیار به کار برده می‌شوند.

     

    کاربردهای دانش شبکه

    کارایی و تاثیر هر شاخه از علم، علاوه بر دستاوردهای نظری، در حوزه کاربردهای عملی نیز مورد بررسی قرار می‌گیرد. در این بخش به اختصار به چند مورد از کاربردهای دانش شبکه ها اشاره می‌کنیم.

    کاربردهای اقتصادی

    موارد زیادی از شرکت های بسیار موفق عصر حاضر، به ارائه خدمات و فناوری هایی می‌پردازنده که بر پایه شبکه ها استوار هستند. برای نمونه می‌توان به شرکت های Google[10]، [11]Facebook، Cisco[12] و [13]Apple اشاره کرد. شرکت Google فعالیت های عظیمی در حوزه استخراج نقشه شبکه جهانی وب انجام می‌دهد و بسیاری از خدمات و محصولات آن بر پایه این شبکه هستند. همچنین Facebook به عنوان بزرگترین شبکه اجتماعی

    مجازی جهان در کنار شرکت های دیگری نظیر Twitter[14] سالانه درآمدهای فراوانی از فعالیت های تبلیغاتی به دست می‌آورند.

    کاربردهای بهداشتی

    پروژه مطالعه ژنوم انسان[15] در سال 2001 تکمیل شد و توانست فهرستی از تمام ژن های انسان را ارائه دهد (1). اما همچنان کار بر روی نقشه دقیقی که بتواند تعامل میان ژن ها و سایر ساختارهای سلولی را نشان دهد ادامه دارد. از تجزیه غذا در سلول ها تا احساس تغییرات محیطی بر اساس این شبکه مولکولی انجام می‌شود. هر گونه اختلال در این شبکه می‌تواند موجب بیماری های انسان شود. به همین منظور، پژوهش های شاخه ای از زیست شناسی، تحت عنوان زیست شبکه ای[16] به این موضوع اختصاص دارد. همچنین در همین راستا، پژوهش های دیگری نیز در علم داروسازی تحت عنوان داروسازی شبکه ای[17] در حال انجام است. هدف اصلی که در این حوزه دنبال می‌شود، تولید داروهایی است که علاوه بر درمان بیماری ها، اثرات جانبی کمی داشته باشند. امروزه، در پیشرفت های داروسازی جدید، شبکه ها نقش مهمی را ایفا می‌کنند و سرمایه گذاری های بزرگی در این حوزه انجام می‌شود.

    کاربردهای امنیتی

    تروریستم[18] یکی از مسائل مهم امنیتی قرن حاضر است که جامعه جهانی را درگیر خود کرده است. تفکر شبکه ای و مطالعه آن برای اخلال در فعالیت های مالی سازمان های تروریستی و شناسایی افراد و امکانات آنها به طور روز افزون از سوی نهادهای امنیتی مورد استفاده قرار می‌گیرد. با وجود اینکه اغلب مطالعات و فعالیت ها در این حوزه، طبقه بندی شده هستند اما گاهی مواردی از موفقیت های این روش ها منتشر می‌شوند. به عنوان مثال دستگیری صدام حسین و عوامل بمب گذاری قطار مادرید در سال 2004  در نتیجه همین مطالعات حاصل گردید. همچنین در میدان های نبرد نوین نیز، دانش شبکه کاربردهای وسیعی پیدا کرده است و هزینه های فراوانی صرف این موضوع می‌شود (2)

    کاربردها در حوادث همگانی[19]

    استفاده از ابزار شبکه در پیش بینی دقیق نحوه شیوع ویروس H1N1 در سال 2009 نمونه ای از موفقیت های این علم در پیشگیری و کنترل بیماری های واگیردار است (3). علاوه بر این، در دنیای مجازی نیز از همین ابزار برای کنترل انتشار ویروس ها از جمله در شبکه های تلفن همراه و کامپیوتر استفاده می‌شود (4).

    کاربردها در پژوهش بر روی مغز

    مغز انسان از هزاران میلیارد سلول عصبی تشکیل شده است و یکی از پیچیده ترین شبکه هایی است که در حوزه شبکه ها مورد بررسی قرار گرفته است. دلیل اصلی این موضوع پیچیدگی ارتباط این سلول ها است که کار تشخیص شبکه را دشوار می‌سازد. تنها نمونه ای که کاملا تشخیص داده شده است، متعلق به ساختار عصبی نوعی کرم است که تنها شامل 300 سلول عصبی است. کاربردهای فراوانی برای نتایج حاصل از این پژوهش ها وجود دارند که از جمله آن می‌توان به فناوری های نوین برای تعامل میان انسان و ماشین[20]، درمان بیماری های عصبی و استخراج اطلاعات حافظه انسان اشاره کرد.

    کاربردهای مدیریتی

    علاوه بر ساختارهای رسمی و سلسله مراتبی تعیین شده در سازمان ها و شرکت ها، ساختارهای پنهان دیگری نیز خارج از این محدوده وجود دارند. به عنوان مثال ممکن است برای تولید یک محصول، همکاری هایی خارج از ساختار رسمی صورت پذیرد. همچنین برای افزایش بازدهی عملکرد، استفاده از روش های سنتی چندان جوابگو نیستند. برای نمونه، اعضای یک گروه کاری در روش های نوین بر اساس معیارهای مختلفی از جمله میزان ارتباط آنها با یکدیگر انتخاب می‌شوند که این اطلاعات از روی ساختارهای شبکه ای تهیه شده از کارکنان به دست می‌آید. همچنین ارزیابی میزان کارایی هر کدام از بخش ها و اعضای یک سازمان از این طریق با دقت و سرعت بهتری قابل انجام خواهد بود (5).

    ( تصاویر در فایل اصلی موجود است )

    Abstract

     

    Overlapping Community Detection in Dynamic Networks

     

    Many of complex natural and social structures could be modeled as a network. Roads, websites, social networks, organizational relations, family relationships, e-mail communications, phone calls and financial transactions are some of these networks. In recent years, the network analysis is a hot research trend in the world and many scholars in various fields such as computer science and sociology are interested in it. Analysis of these networks could have useful information with various applications in many domains such as communication, economics, politics, security etc.

    The community detection is one of important topics in network analysis research area. Simply, community is a group of people with some common interests or features. For example, people with common interests in social networks, web pages with similar contents and articles with related fields are defined as a community. In recent years, many algorithms with different techniques are proposed to detect overlapping communities, but attempts are done to improve these methods in different aspects such as accuracy, run time, scalability etc.

    In this thesis, we propose two different methods. The first one is to improve the detection of overlapping communities in static networks and the second one is to detect overlapping communities in dynamic networks. Also, many experiments are done to show the good performance of our methods.

     

    Keyword: Dynamic Networks, Social Networks, Overlapping Communities Detection, Label Propagation Method

     

  • فهرست:

    فصل اول: مقدمه............................................................................................................................................................................................................................. 1

    مقدمه............................................................................................................................................................................................................................................. 1

    دانش شبکه................................................................................................................................................................................................................................. 2

    کاربردهای دانش شبکه...................................................................................................................................................................................................... 3

    کاربردهای اقتصادی...................................................................................................................................................................................................... 3

    کاربردهای بهداشتی...................................................................................................................................................................................................... 4

    کاربردهای امنیتی.......................................................................................................................................................................................................... 5

    کاربردها در حوادث همگانی.................................................................................................................................................................................... 6

    کاربردها در پژوهش بر روی مغز.......................................................................................................................................................................... 6

    کاربردهای مدیریتی....................................................................................................................................................................................................... 6

    کاربردهای پژوهشی....................................................................................................................................................................................................... 7

    کاربردهای دیگر............................................................................................................................................................................................................... 8

    تاریخچه......................................................................................................................................................................................................................................... 9

    مفاهیم اولیه........................................................................................................................................................................................................................... 10

    انگیزه انجام این پایان نامه............................................................................................................................................................................................. 13

    نگاه کلی به فصول رساله................................................................................................................................................................................................ 14

    فصل دوم: پیشینه تحقیق..................................................................................................................................................................................................... 16

    مقدمه.......................................................................................................................................................................................................................................... 16

    شبکه های ایستا و شبکه های پویا......................................................................................................................................................................... 17

    تشکل های غیر همپوشان و تشکل های همپوشان.................................................................................................................................... 18

    تعریف مسئله.......................................................................................................................................................................................................................... 19

    روش های موجود برای تشخیص تشکل های همپوشان در شبکه های ایستا.......................................................................... 21

    روش نفوذ دسته........................................................................................................................................................................................................... 21

    روش افراز گراف و دسته بندی یال ها.......................................................................................................................................................... 22

    روش بسط محلی و بهینه سازی........................................................................................................................................................................ 23

    روش تشخیص فازی.................................................................................................................................................................................................. 24

    روش الگوریتم های پویا و مبتنی بر عامل.................................................................................................................................................. 25

    روش‌های دیگر............................................................................................................................................................................................................... 26

    مقایسه روش های تشخیص تشکل های همپوشان در شبکه های ایستا...................................................................................... 26

    مجموعه داده ها............................................................................................................................................................................................................ 27

    معیارهای ارزیابی.......................................................................................................................................................................................................... 29

    نتایج آزمایش ها........................................................................................................................................................................................................... 30

    تحلیل نتایج...................................................................................................................................................................................................................... 37

    تشخیص تشکل های همپوشان در شبکه های پویا..................................................................................................................................... 38

    جمع بندی.............................................................................................................................................................................................................................. 38

    فصل سوم: ارائه راه حل و روش های پیشنهادی.................................................................................................................................................. 42

    مقدمه.......................................................................................................................................................................................................................................... 42

    نگاهی دقیق تر به روش انتشار برچسب............................................................................................................................................................... 42

    الگوریتم.............................................................................................................................................................................................................................. 43

    تحلیل پیچیدگی زمانی............................................................................................................................................................................................. 45

    بهبود کارایی روش انتشار برچسب.......................................................................................................................................................................... 46

    الگوریتم.............................................................................................................................................................................................................................. 46

    الگوریتم مبتنی بر انتشار برچسب برای تشخیص تشکل های همپوشان در شبکه های پویا.......................................... 48

    الگوریتم.............................................................................................................................................................................................................................. 48

    فصل چهارم: آزمایش ها و نتایج....................................................................................................................................................................................... 52

    مقدمه.......................................................................................................................................................................................................................................... 52

    بهبود کارایی روش انتشار برچسب در شبکه های ایستا.......................................................................................................................... 52

    پیاده سازی روش پایه.............................................................................................................................................................................................. 52

    پیاده سازی روش پیشنهادی.............................................................................................................................................................................. 53

    مجموعه داده ها............................................................................................................................................................................................................ 53

    معیار ارزیابی.................................................................................................................................................................................................................... 54

    نتایج آزمایش ها........................................................................................................................................................................................................... 54

    تحلیل نتایج...................................................................................................................................................................................................................... 57

    تحلیل پیچیدگی زمانی............................................................................................................................................................................................. 58

    تشخیص تشکل های همپوشان در شبکه های پویا..................................................................................................................................... 58

    مجموعه داده ها............................................................................................................................................................................................................ 59

    معیارهای ارزیابی.......................................................................................................................................................................................................... 60

    نتایج آزمایش ها........................................................................................................................................................................................................... 60

    تحلیل نتایج...................................................................................................................................................................................................................... 63

    تحلیل پیچیدگی زمانی............................................................................................................................................................................................. 64

    فصل پنجم: بحث و نتیجه گیری...................................................................................................................................................................................... 66

    نتیجه گیری........................................................................................................................................................................................................................... 66

    پیشنهاد ها برای کارهای آینده................................................................................................................................................................................ 67

    منابع و مآخذ................................................................................................................................................................................................................................. 69

     

    منبع:

    1. The Sequence of the Human Genome. al., J. C. Venter et. s.l. : Science, 2001, Vol. 291.

    2. Ronfeldt, J. Arquilla and D. Networks and Netwars: The Future of Terror, Crime, and Militancy. Santa Monica, CA : s.n., 2001.

    3. Seasonal transmission potential and activity peaks of the new influenza A(H1N1): a Monte Carlo likelihood analysis based on human mobility. D. Balcan, H. Hu, B. Goncalves, P. Bajardi, C. Poletto, J. J. Ramasco, D. Paolotti, N. Perra, M. Tizzoni, W. Van den Broeck, V. Colizza, and A. Vespignani. s.l. : BMC Medicine, 2009, Vol. 7.

    4. Understanding the spreading patterns of mobile phone viruses. P. Wang, M. Gonzalez, C. A. Hidalgo, and A.-L. Barabási. s.l. : Science, 2009, Vol. 324.

    5. Mining Face-to-Face Interaction Networks using Sociometric Badges: Predicting Productivity in an IT Configuration Task. L. Wu, B. N. Waber, S. Aral, E. Brynjolfsson, and A. Pentland. s.l. : http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1130251.

    6. Community detection in graphs. Fortunato, S. s.l. : PHYSICS REPORTS, 2010, Vol. 486.

    7. [Online] http://en.wikipedia.org/wiki/Graph_theory.

    8. Barabási, A.-L. Network Science. 2012.

    9. Overlapping Community Detection in Networks: the State of the Art and Comparative Study. J. Xie, S. Kelley and B. K. Szymanski. s.l. : ACM Computing Surveys, 2013.

    10. Uncovering the overlapping community structure of complex networks in nature and society. Palla, G., Der´enyi, I., Farkas, I., and Vicsek, T. 2005, Nature.

    11. Weighted network modules. Farkas, I., ´Abel, D., Palla, G., and Vicsek, T. s.l. : New J. Phys., 2007, Vol. 180.

    12. Link communities reveal multiscale complexity in networks. Ahn, Y.-Y., Bagrow, J. P., and Lehmann, S. s.l. : Nature, 2010, Vol. 466.

    13. Line graphs of weighted networks for overlapping communities. Evans, T. and Lambiotte, R. s.l. : Eur. Phys. J., 2010, Vol. 256.

    14. Detecting the overlapping and hierarchical community structure of complex networks. Lancichinetti, A., Fortunato, S., and Kert´esz, J. 2009. Phys.

    15. Finding communities by clustering a graph into overlapping subgraphs. Baumes, J., Goldberg, M., Krishnamoorthy, M., Magdon-Ismail, M., and Preston, N. 2005. IADIS.

    16. Fuzzy overlapping communities in networks. Gregory, S. s.l. : J. Stat. Mech, 2011.

    17. Fuzzy communities and the concept of bridgeness in complex networks. Nepusz, T., Petr´oczi, A., N´egyessy, L., and Bazs´o, F. 2008. Phys.

    18. Near linear time algorithm to detect community structures in large-scale networks. Raghavan, U. N., Albert, R., and Kumara, S. s.l. : Phys. Rev., 2007, Vol. 76.

    19. Finding overlapping communities in networks by label propagation. Gregory, S. 2010, Phys.

    20. SLPA: Uncovering overlapping communities in social networks via a speaker-listener interaction dynamic process. Xie, J., Szymanski, B. K., and Liu, X. 2011. ICDM Workshop.

    21. A game-theoretic framework to identify overlapping communities in social networks. Chen, W., Liu, Z., Sun, X., and Wang, Y. 2010. Data Min. Knowl. Discov.

    22. Parallel community detection on large networks with propinquity dynamics. Zhang, Y., Wang, J., Wang, Y., and Zhou, L. 2009. SIGKDD Conf.

    23. Optics: ordering points to identify the clustering structure. Ankerst, M., Breunig, M. M., Kriegel, H.-P., and Sander, J. 1999. SIGKDD Conf.

    24. Community detection algorithms: a comparative analysis. Lancichinetti, A. and Fortunato, S. 2009, Phys.

    25. A fast and reasonable method for community detection with adjustable extent of overlapping. Wu, Z., Lin, Y., Wan, H., and Tian, S. 2010. ISKE Conf.

    26. Finding statistically significant communities in networks. Lancichinetti, A., Radicchi, F., Ramasco, J. J., and Fortunato, S. 2011. PLoS ONE.

    27. Detecting highly overlapping community structure by greedy clique expansion. Lee, C., Reid, F., McDaid, A., and Hurley, N. 2010. SNAKDD Workshop.

    28. Detecting highly overlapping communities with model-based overlapping seed expansion. McDaid, A. and Hurley, N. 2010. ASONAM Conf.

     

     

     


تحقیق در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, مقاله در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, پروژه دانشجویی در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, پروپوزال در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, تز دکترا در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, تحقیقات دانشجویی درباره پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, مقالات دانشجویی درباره پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, پروژه درباره پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, گزارش سمینار در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, پروژه دانشجویی در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, تحقیق دانش آموزی در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, مقاله دانش آموزی در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا, رساله دکترا در مورد پایان نامه شناسایی تشکل های همپوشان در شبکه های پویا

پايان نامه جهت اخذ درجه کارشناسي ارشد رشته صنايع – مديريت سيستم و بهره وري زمستان 1392 چکيده بيمه عمر را مي‌توان يکي از هوشمندانه ترين ابداعات بشر در راستاي تامين امنيت و آرامش

پایان نامه کارشناسی ارشد رشته مهندسی عمران – سازه‌ های هیدرولیکی چکیده: رودخانه‌ ها از مهم‌ترین و متداول‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعتی به شمار می‌آیند. این منابع به علت عبور از بسترهای مختلف و ارتباط مستقیم با محیط پیرامون خود نوسانات کیفی زیادی دارند. از اینرو پیش‌بینی کیفیت جریان رودخانه‌ها که پدیده‌ای غیر قطعی، تصادفی و تأثیرپذیر از برخی عوامل طبیعی و غیر ...

مقطع کارشناسی ارشد ناپیوسته رشته مهندسی کامپیوتر چکیده امروزه محبوبیت سایت های شبکه های اجتماعی در بین افراد غیر قابل انکار است، سایت هایی که امکانات زیادی را برای ارتباطات بین افراد در اختیار کاربران قرار می دهند. یکی از مشکلات اساسی در آنالیز این نوع شبکه ها پیش بینی ارتباطات جدید بین افراد شبکه می باشد. روش فازی به عنوان یکی از روش های مطرح در هوش مصنوعی، راه ساده ای را برای ...

پایان نامه به عنوان یکی از الزامات جهت دریافت درجه کارشناسی ارشد چکیده: پیش‌بینی سری‌های زمانی یکی از شاخه های علم آمار و احتمال است که در سایر رشته‌ها مانند اقتصاد، مهندسی ارتباطات، هواشناسی، مدیریت و بازاریابی کاربرد فراوانی دارد. دامنه کاربرد پیش‌بینی سری‌های زمانی روزبه‌روز گسترده‌تر شده و نیاز دانش‌پژوهان در این زمینه افزون‌تر می‌گردد. سری‌های‌ زمانی آشوبی، زیرمجموعه‌ای از ...

پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی) چکیده شناسایی نفوذگران در یک شبکه اجتماعی در سال­های اخیر با گسترش شبکه ­های کامپیوتری و افزایش دسترسی افراد به آن، این بستر اطلاعاتی به شکل فزاینده­ای دستخوش نفوذ، سوءاستفاده و حمله گردیده است. عواملی از قبیل منافع مالی، اهداف سیاسی یا نظامی و نیز مقاصد شخصی سبب افزایش حوادث امنیتی در سیستم­های اطلاعاتی می­گردد. در ...

پايان نامه مقطع کارشناسي رشته مهندسي مکانيک سال 1386 چکيده: در اين پروژه، ورودي‌ها و خروجي‌هاي يک سيستم چند ورودي و چند خروجي غير خطي، براي ايجاد يک مدل ديناميکيِ هوشمند، استفاد

پایان‌نامه تحصیلی در مقطع کارشناسی ارشد تبلیغ و ارتباطات فرهنگی چکیده پژوهش حاضر رابطه استفاده از شبکه‌های اجتماعی و هویت دینی کاربران را با هدف شناخت رابطه میان ویژگی‌های فردی کاربران و عوامل سیاسی و اجتماعی با هویت دینی آنها و در پی پاسخ به این پرسش اساسی که شبکه‌های اجتماعی مجازی چه آثار و پیامدهایی بر هویت کاربران دارند با استفاده از روش پیمایشی مورد مطالعه قرار داده است. ...

پایان‌نامه دوره کارشناسی ارشد مهندسی کامپیوتر گرایش نرم‌افزار چکیده ضرورت استفاده روزافزون از داده­ های توزیع‌ شده در شبکه‌ های کامپیوتری بر همگان مشخص است. تعداد بسیار زیادی از منابع محاسباتی و ذخیره‌سازی در کنار یکدیگر قرار می‌گیرند و گرید را تشکیل می‌دهند. در سال‌های اخیر تکنولوژی گرید رشد چشمگیری داشته به‌طوری‌که در اکثر تحقیقات و آزمایش‌های علمی مورد استفاده قرار گرفته است. ...

پایان نامه کارشناسی ارشد مهندسی فناوری اطلاعات گرایش مدیریت سیستم های اطلاعاتی چکیده در دنیای امروز با توجه به تغییر سبک زندگی، مردم به دنبال روشی برای بهبود و پیشرفت وضع اقتصادی خود هستند، از مهمترین روشها برای بهبود در وضعیت مالی می­توان به افزایش درآمد اشاره کرد. یکی از آسان­ترین راه­ها، سرمایه­گذاری است که ابعاد مختلف دارد. در کشور ایران با توجه به تغییرات شدید بازار سکه و ...

پایان نامه برای دریافت درجه کارشناسی ارشد(M.Sc.) بررسی کاربرد روش شبکه عصبی مصنوعی در برآورد رواناب سالانه حوزه‌های آبخیز (مطالعه موردی: حوزه آبخیز کل، استان فارس) به وسیله: جلال زارعی چکیده: اهمیت و جایگاه آب در زندگی بشر به ویژه در دنیای پیشرفته و پر جمعیت کنونی بر کسی پوشیده نیست و زندگی صنعتی و شهری مصرف سرانه آب را نسبت به شرایط زندگی سنتی چندین برابر نموده است. امروزه این ...

ثبت سفارش