استفاده از شبکه های عصبی خودسازمانده جهت خوشه بندی موثرداده های شبکه های اجتماعی

پایان نامه
چکیده

در این پایان نامه پس از مطالعه و بررسی روشهای موجود برای خوشه بندی داده های شبکه های اجتماعی ، روشی برای خوشه بندی موثر داده های شبکه های اجتماعی به منظور شناسایی جوامع موجود دراین شبکه ها ، ارائه گردیده است . در روش پیشنهادی از الگوریتم شبکه عصبی خودسازمانده که یکی از الگوریتم های بسیار قوی در بین الگوریتم های شبکه های عصبی است ، استفاده گردیده است .در این روش با تغییر در روش وزن دهی شبکه عصبی خودسازمانده ، یک شبکه اجتماعی به خوشه های مختلف تقسیم می شود که این خوشه ها همان جوامع موجود در شبکه اجتماعی هستند . این روش بر چندین شبکه اجتماعی که دارای ساختار مشخصی هستند و تعداد جوامع موجود در آنها ، مشخص است ، اعمال گردیده است . نتایج این آزمایشات نشان می دهد که دقت خوشه بندی در این روش نسبت به سایر روشها ، بالاتر است .

منابع مشابه

طبقه بندی لندفرم ها با استفاده از شبکه های عصبی خودسازمانده(Self-organization map) (مطالعه موردی: حوضه آبخیز گاوخونی)

امروزه شناسایی لندفرم­ها و طبقه‌بندی زمین مبتنی بر روش کارشناسی می باشد که به صورت دستی و با استفاده از عکس های هوایی و نقشه های توپوگرافی انجام می شود که روشی وقت گیر و دارای دقت کمی می باشد. از این رو استفاده از روش های نیمه اتوماتیک و اتوماتیک به منظور  طبقه بندی لندفرم ها برای افزایش دقت و سرعت کار، ضروری به نظر می رسد. این پژوهش سعی دارد که به  طبقه بندی لندفرم ها بر اساس الگوریتم شبکه های...

متن کامل

طبقه بندی میزان تبخیر و تعرق پتانسیل با استفاده از شبکه های عصبی خودسازمانده (Self Organizing Map)

تبخیـر و تعـرق پتانـسیل نقش مهمی در مطالعات کشاورزی، طرحهای مدیریت منابع آب، طراحی شبکه‌هـای آبیـاری و زهکشی و سازه‌های آبی دارد. با توجه به اهیمت این پارامتر در این مطالعه اقدام به طبقه بندی تبخیر و تعرق پتانسیل در جنوب استان فارس با استفاده از شبکه‌های عصبی خودسازمانده (SOM) شد. در این مطالعه داده‌های 7 پارامتر حداقل، میانگین و حداکثر دما، ساعات آفتابی، سرعت باد، حداکثر ساعات آفتابی و رطوبت ن...

متن کامل

درجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی

زعفران به‌عنوان یک کالای تجاری مهم در کشور به­شمار می‌آید و توجه به مکانیزه کردن آن از مرحله تولید تا بسته‌بندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام می‌شود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگی‌های ظاهری آن امری اجتناب‌‌ناپذیر‌ است؛ استفاده از تکنیک‌های مبتنی بر هوش مصنوعی می‌ت...

متن کامل

خوشه بندی مکانی شبکه های آبیاری با استفاده از روش کلاسیک K-Means (مطالعه موردی شبکه آبیاری قزوین)

بهبود عملکرد شبکه‌های آبیاری از را‌هکار‌های اساسی صرفه‌جویی در منابع آبی می‌باشد.  اولین گام برای بهبود عملکرد شبکه‌ها، ارزیابی وضع موجود و سپس ارائه راهکار جهت رفع مشکلات می‌باشد. یک گام موثر و کاربردی در ارزیابی و بهبود عملکرد، استخراج مناطق همگن شبکه کانال‌ها بر اساس خصوصیات فیزیکی و فنی می‌باشد. هدف اصلی از این تحقیق، پهنه‌بندی مکانی و کاربرد یک روش کمی جهت استخراج مناطق همگن فیزیکی شبکه‌ها...

متن کامل

استفاده از شبکه عصبی مرکب (Committee Machine) نظارت شده جهت بهبود الگوریتم شبکه های عصبی در تخمین تراوایی مخازن نفتی

Reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. There are a lot of well log data related with this parameter. In this study, permeability is predicted using them and a supervised committee machine neural network (SCMNN) which is combined of 30 estimators. All of data were divided in two low and high permeability populations using statistical study. E...

متن کامل

افزایش نرخ کارایی طبقه بندی با استفاده از تجمیع ویژگی های موثر روش های مختلف ترکیب شبکه های عصبی

Both theoretical and experimental studies have shown that combining accurate Neural Networks (NN) in the ensemble with negative error correlation greatly improves their generalization abilities. Negative Correlation Learning (NCL) and Mixture of Experts (ME), two popular combining methods, each employ different special error functions for the simultaneous training of NN experts to produce negat...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023