A novel method for detection and analysis in a network of overlappable communities
Başlık çevirisi mevcut değil.
- Tez No: 789244
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHİ IBRAHİM
- Tez Türü: Yüksek Lisans
- Konular: Polimer Bilim ve Teknolojisi, Polymer Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 44
Özet
Ağ Veri İşleme ve Veri Öğrenmede toplulukları tespit etmek basit bir prosedürdür. Bir küme veya kümelenme, yaygın olarak kabul edilen bir kavrama göre, diğer topluluklar içinde yoğun bir şekilde bağlantılı ve diğer topluluklarla seyrek olarak bağlantılı olan bir köşeler kümesi olarak tanımlanır. Ağın kümelenmesini keşfetmek, ağın her türden işlevsel özellikleri hakkında temel bilgiler verir. Toplulukların farklı ve örtüşmeyen olduğuna inanılıyorsa, topluluk tespiti daha basit ve daha az hesaplama gerektiren bir süreçtir. Öte yandan, tahmin edilen ayrık topluluk yapısından ziyade, çoğu gerçek dünya ağı örtüşen topluluk yapılarına sahiptir. Sonuç olarak, Ayrık Topluluk Algılama sorunu, Çakışan Topluluk Algılama olarak yeniden adlandırıldı. Sağladığı algoritma türlerine ilişkin olarak güncel bilgiler kapsamlıdır, konunun daha fazla araştırılması ve farklı kriterlere dayalı diğer algoritmaların geliştirilmesi için hala çok yer vardır. Bu tez bu konsepte dayanmaktadır ve bir ağdaki örtüşen toplulukları tespit etmek için yeni bir yöntem önermektedir. Ayrıca, ilk aşamada tohum düğümlerin tanımlanmasıyla başlayan ve son aşamada ağdaki örtüşen toplulukların keşfi ile biten çok aşamalı bir yöntem geliştirdik. Tekniğimiz, ağın çekirdek düğümlerini tanımlamak için bir grafik/ağ metriği kullanması bakımından olağandışıdır. Çabalarımız iki kategoriye ayrılıyor. İlki, Benzerlik Benzerlik ölçülerine göre çok önemli olan ağ düğümlerini tanıma yöntemidir. İkincisi, yoğun küme merkezlerini tanımak ve bir topluluğun yoğunluk ölçüsünü en üst düzeye çıkarmaktır. Deneyler, yaklaşımımızın örtüşen grupları tespit etmede ve büyük, gerçek dünya ağlarına ölçeklendirmede etkili olduğunu gösteriyor. Yöntemin performansı, diğer son teknoloji yöntemlerle karşılaştırarak.
Özet (Çeviri)
In Network Data Processing and data Learning, detecting communities is a simple procedure. A cluster or clustering is defined as a set of vertices that are heavily linked within and sparsely connected to other communities, according to a commonly recognized concept. Discovering the network's clustering gives essential information about the network's functional properties of any kind. If communities are believed to be distinct and non-overlapping, community detection is a simpler and less computationally demanding process. On the other, rather than the predicted disjoint community structure, most real-world networks have overlapping community structures. As a result, the issue of Disjoint Community Detection has been renamed Overlapping-Community Detection. The up to date is extensive with reference to the types of algorithms it provides, there is still a lot of room for further investigation of the subject and the development of other algorithms based on different criteria. This thesis is based on this concept, and it proposes a novel method for detecting overlapping communities in a network. We also devised a multi-stage method that begins with the identification of seed nodes in the first stage and ends with the discovery of overlapping communities in the network in the final stage. Our technique is unusual in that it uses a graph/network metric to identify the network's seed nodes. Our efforts are split into two categories. The first is the method to recognize network nodes that are very significant based on their Similarity Similarity measures. The second is recognizing heavily cluster centers and maximizing a community's density metric. Experiments indicate that our approach is effective at detecting overlapping groups and scaling to big, real-world networks. The method's performance by comparing to that of other state-of-the-art methods.
Benzer Tezler
- Güvenlik duvarı kurallarındaki tutarsızlıklarınbelirlenmesi için yeni bir yöntem
A new method for intra-firewall anomaly discovery
BÜŞRA ÇAYÖREN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ENVER ÖZDEMİR
- Deep learning based crack detection with applications to structural health monitoring
Yapısal sağlık izlenmesinde derin öğrenme temelli çatlak tespiti
MAHTAB MOHTASHAM KHANI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Lifelong learning for auditory scene analysis
İşitsel sahne analizi için hayat boyu öğrenme
BARIŞ BAYRAM
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE
- Bilişsel radyoda özdeğer tabanlı spektrum sezme yöntemleri
Eigenvalue based spectrum sensing techniques for cognitive radio
SERDAR İNGÖK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. M. ERTUĞRUL ÇELEBİ
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU