خوشه‌بندی داده‌های شبکه‌های پیچیده با استفاده از روش بهینه‌سازی اکسترمال
Paper ID : 1213-ICTCK (R1)
Authors:
1بهرام شهابی, 2فاطمه ترشیزی نژاد *, 3مهرداد جلالی, 3مسعود نیازی ترشیزی
1این فیلد نیازی نیست اجباری باشد
2دانشگاه آزاد اسلامی واحد مشهد
3کمیته علمی
Abstract:
تشخیص جوامع و طبقه‌بندی داده‌ها در شبکه‌های اجتماعی یکی از مسائلی است که با توجه به رشد روزافزون این شبکه‌ها در سال‌های اخیر و نیاز به تحلیل و استخراج اطلاعات از داده‌ها اهمیت زیادی پیدا کرده است و محققین همواره در پی یافتن روشی دقیق برای این مسئله بوده‌اند. اما با توجه به ماهیت این موضوع و ساختار شبکه‌های اجتماعی که به عنوان یک شبکه پیچیده در نظر گرفته می‌شوند، روش‌های عددی قابلیت حل این مسئله را ندارند، از این ‌رو محققین برای تشخیص جوامع از الگوریتم‌های تکاملی استفاده می‌کنند. الگوریتم‌های تکاملی که به منظور طبقه‌بندی داده‌های شبکه‌های اجتماعی استفاده می‌شوند با توجه به روش استفاده شده مشکلاتی از قبیل عدم انتساب یک گره به چند خوشه و وابسته بودن به نوع گراف ورودی، نیاز به داده‌های اضافی در رابطه با شبکه ارتباطات برای طبقه‌بندی داده‌ها دارند. در این مقاله سعی کرده‌ایم طبقه‌بندی داده‌های شبکه‌های اجتماعی و رفع مشکلات بیان شده را با استفاده از روش بهینه‌سازی اکسترمال بهبود دهیم. در الگوریتم پیشنهادی با استفاده از الگوریتم اصلاح شده قدم زنی تصادفی، امتیازدهی به گره‌ها صورت می‌گیرد و سپس خوشه‌بندی داده‌ها با استفاده از الگوریتم بهینه‌سازی اکسترمال انجام می‌شود.
Keywords:
الگوریتم بهینه‌سازی اکسترمال، الگوریتم قدم‌زنی تصادفی، تشخیص جوامع، خوشه‌بندی
Status : Paper Accepted