مشخصات پژوهش

عنوان	کشف انجمن در گراف‌های خصیصه‌دار بااستفاده از کشف انجمن در گراف‌های خصیصه‌دار بااستفاده از تجزیه سه‌عامله ماتریس نامنفی مشترک
نوع پژوهش	پایان نامه
کلیدواژه‌ها	خوشه‌بندی گراف خصیصه‌دار، تجزیه ماتریس نامنفی، معیار استقلال هیلبرت اشمیت، منظم‌ساز گراف
چکیده	خوشه‌بندی گراف خصیصه‌دار یک مسئله ضروری و چالش‌ برانگیز در تجزیه‌و‌تحلیل داده‌های ساختار‌یافته شبکه است. این شامل دستیابی به بازنمایی‌ گره‌ها با استفاده همزمان از ویژگی گره و ساختار توپولوژیکی گراف، با هدف انجام خوشه‌بندی مؤثر است. به‌طور معمول، بازنمایی آموخته‌شده در این مسئله اغلب حاوی اطلاعات اضافی است و تفاوت بین داده‌های توپولوژیکی و غیر‌توپولوژیکی را درنظر نمی‌گیرد. برای پوشش این مشکل، این پایان‌نامه تجزیه ماتریس سه‌عامله نامنفی مشترک متنوع (Div-JNMTF) را پیشنهاد می‌کند، که یک مدل مبتنی‌بر تعبیه برای شناسایی انجمن‌ها در گراف‌های خصیصه‌دار است. مدل جدید JNMTF تلاش می‌کند تا بازنمایی‌ گره‌های مختلف را از داده‌های توپولوژیکی و غیر‌توپولوژیکی استخراج کند. درعین حال، یک منظم‌ساز تنوع با معیار استقلال هیلبرت اشمیت (HSIC)، با هدف کاهش اطلاعات اضافی در بازنمایی گره و ترویج مشارکت‌های متمایز هر‌دو نوع اطلاعات اعمال می‌شود. علاوه‌بر‌این، دو عبارت منظم‌ساز گراف برای حفظ ساختارهای محلی در فضاهای بازنمایی توپولوژیکی و ویژگی‌ها معرفی می‌شوند. این مسئله با توسعه یک رویکرد بهینه‌سازی مبتنی‌بر تکرار در روش پیشنهادی مطرح می‌شود. ارزیابی روش پیشنهادی برروی سه معیار ارزیابی و هشت مجموعه‌داده گراف خصیصه‌دار انجام شده است و نتایج نشان‌دهنده این است که مدل Div-JNMTF در تشخیص انجمن‌ها خصیصه‌دار مؤثر، و عملکرد آن از روش‌های مقایسه شده بهتر است.
پژوهشگران	سید امجد سیدی (استاد مشاور)، فردین اخلاقیان طاب (استاد راهنما)، روجیار پیرمحمدیانی (استاد راهنما)، آرینا محمدی (دانشجو)