تحقیق تشخیص جوامع در شبکه‌های اجتماعی به کمک الگوریتم‌های تکاملی

توضیحات

تحقیق تشخیص جوامع در شبکه‌های اجتماعی به کمک الگوریتم‌های تکاملی

شبکه های اجتماعی یکی از ساختارهای بسیار مهم در دنیای اینترنت و تکنولوژی است. تحلیل روابط در این شبکه ها حائز اهمیت بسیار است. زیرا با تحلیل شبکه های اجتماعی می­توان به روابط و تحلیل ها و ارتباطات در این شبکه ها دست یافت.

در شبکه های اجتماعی مفهومی به نام همپوشان وجود دارد که بیانگر این است که این شبکه ها دارای بیشترین میزان شباهت و بیشترین میزان ویژگیهای مشابه را خواهیم داشت. برای تحلیل و تشخیص شبکه های همپوشان روش های بسیاری وجود دارد.

مهم ترین روش برای تحلیل و تشخیص شبکه های اجتماعی در حال حاضر استفاده از خوشه بندی و یا الگوریتم های تکاملی است. در این سمینار به بیان و بررسی شبکه های اجتماعی با ستفاده از الگوریتم های تکاملی خواهیم پرداخت و مزایا و معایب آنها را بیان خواهیم کرد.

…

فهرست مطالب تحقیق تشخیص جوامع در شبکه‌های اجتماعی به کمک الگوریتم‌های تکاملی

• 1-1-مقدمه: 9
• 1-2-بیان مسئله: 9
• 1-3-اهداف: 10
• 1-4-شبکه های اجتماعی: 11
• 1-5-یادگیری ماشین: 11
• 1-6-  روش های یادگیری: 11
• 1-7-خوشه بندی: 12
• 1-8-ساختار سمینار: 12
• 2-1-مقدمه: 14
• 2-2- شبکه اجتماعی و تشخیص جوامع.. 14
• 2-3-مراحل تشخیص جوامع در شبکه های اجتماعی: 17
• 2-4-الگوریتم ژنتیک: 18
• 2-5-الگوریتم کلونی مورچه: 23
• 2-6-الگوریتم کلونی زنبور عسل: 26
• 2-7-الگوریتم استعماری: 29
• 2-8-الگوریتم کرم شب تاب: 29
• 2-9-الگوریتم ازدحام ذرات: 32
• 3-1-مقدمه: 36
• 3-2-تشخیص جوامع با الگوریتم کلونی مورچه: 36
• 3-3- تشخیص جوامع با استفاده از الگوریتم ژنتیک: 38
• 3-4- تشخیص جوامع با استفاده از الگوریتم PSO و زنبور عسل: 39
• 3-5- تشخیص جوامع با استفاده از الگوریتم خفاش: 41
• 3-6-الگوریتم HAMUHI: 42
• 4-1-مقدمه: 45
• 4-2-روش پیشنهادی: 45
• 4-3-نتیجه گیری: 47

منابع تحقیق تشخیص جوامع در شبکه‌های اجتماعی به کمک الگوریتم‌های تکاملی

[1]al., A. e. (4022). OLFinder: Finding opinion leaders in online social networks. Journal of Information Science, 2014. doi: 20.2222 /0212222222102422 

[2]al., E. V. e. (2015). Mining Interesting Topics in Twitter Communities. Springer International Publishing Switzerland 4022. doi: 20.2002 /521-2-225-42015-2 24

[3] al., S. A. M. e. (2014). Community detection in social networks using user frequent pattern mining. Springer-Knowledge and Information Systems. doi:20.2002/s 20222 -021-0520-1

[4] E. Raju, e. a. (2012). Detecting Communities in Social Networks using Unnormalized Spectral Clustering incorporated with Bisecting K-means. IEEE International. doi: 521 -22255-1012-5/22 / $ 22 . 00

[5] Rossi, A. C. a. S. ( 2014 4 ). Users Ranking in Online Social Networks to Support POI Selection in Small Groups. Proceedings of UMAP 4022 posters .

[6] K.-L. Du and M.N.S. Swamy,”ant colony optimization”,2016 springer

[7] Aleksandra Jovanovich, nicolic,” area wide traffic control a bee colony optimization approach”, 2017, elsevier

[8] Y.-M. De Hauwere, P. Vrancx, A. Nowé, “Learning multi-agent state space representations”,Proc. 9th Int. Conf. Autonom. Agents Multiagent Syst., pp. 715-722, 2010.

[9]delip komar,”application of firefly algorithm for design optimization of a shell and tube heat exchanger from economic point of view”,international journal of science 102(2016)

[10] Harish Garg,” A hybrid PSO-GA algorithm for constrained optimization problems”,mathematics and computation 274(2016).

[11]  C. Arunkumar ;  M. P. Sooraj ;  S M. P. Ramakrishnan,” Finding expressed genes using genetic algorithm and extreme learning machines”,2017,IEEE

[12]C.-C. Lin, W.-Y. Liu, and D.-J. Deng, “A genetic algorithm approach for detecting hierarchical and overlapping community structure in dynamic social networks,” in 2013 IEEE Wireless Communications and Networking Conference (WCNC), pp. 4469-4474, 2013.

[13] Deepak Verma ,Marina Meil˘ a,” Comparison of Spectral Clustering Methods”, www.stat.washington.edu/spectral/papers/nips03-comparison.pdf

[14] Mutlu Mete, F.T., Xiaowei Xu, and Nurcan Yuruk, A structural approach for finding functional modules from large biological networks. BMC Bioinformatics , 2008 .9 : p. 1-14.

[15] A. Cichocki, R. Zdunek, A. H. Phan, and S. Amari, Nonnegative matrix and tensor factorizations: applications to exploratory multi-way data analysis and blind source separation. Wiley, 2009.

[16]Ahmed Ibrahem Hafez,Hossam M. Zawbaa, Aboul Ella Hassanien, Aly A.Fahmy,”Networks community detection using artificial bee colony swarm optimization”,2014 ieee

[17]Anping Song, Mingbo Li, Xuehai Ding, Wei Cao, Ke Pu,” Community Detection Using Discrete Bat Algorithm “,iaeng journal 2015

[18]Eduar Castrillo,Elizabeth León,Jonatan Gómez,” ASONAM ’17

Fast Heuristic Algorithm for Multi-scaleHierarchical Community Detection, ASONAM ’17, July 31-August 03, 2017, Sydney, Australia

توجه:

تحقیق تشخیص جوامع در شبکه‌های اجتماعی به کمک الگوریتم‌های تکاملی شامل یک فایل ورد 50 صفحه ای می باشد.

لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.

سفارش تحقیق

به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.

سفارش تحقیق