Обратный звонок
Вам перезвонят
Ваше имя
Телефон для обратной связи
E-mail
Краткое описание Вашего вопроса

Алгоритмы кластеризации неориентированных графов большой размерности и их программные реализации

Артикул: 84105

Не подходит работа?Оцените стоимость написания нужной!

Алгоритмы кластеризации неориентированных графов большой размерности и их программные реализации Работа подготовлена и защищена в 2017 году.

Кластеризация неформально определяется как процесс организации объектов в группы по типичным признакам. Есть 2 главных метода кластеризации: декомпозиция (деление, k-кластеризация) - тут каждый объект связан только с единственной группой, иерархическая кластеризация - тут каждая группа большего размера включает в себя группы меньшего размера. Оба метода очень часто изучались в середине 70-х годов и немного в 80-х. Сегодня в связи с распространением WWW поисковых систем (и особенно вопросов реализации огромных кол-ва информации) и концепцией 'информационная проходка’ (способ анализа данных в БД для нахождения аномалий и трендов без определения смыслового значения записей) вновь появился интерес к алгоритмам кластеризации.

В последние годы много работ было посвящено сравнению алгоритмов кластеризации на графах. В статье [3] обсуждается множество подходов, которые классифицированы по нескольким группам. Также в этой работе можно найти большое число реальных графов, на которых тестируются алгоритмы. Кроме того, некоторое внимание уделено метрикам качества. Экспериментальное сравнение передовых алгоритмов кластеризации на больших наборах данных было сделано в обзоре.

Получите бесплатно демо-версию
Демо-версия - дипломная работа, в котрой удалена часть текста, рисунков, таблиц.Посмотреть все услуги
дипломной работы на электронную почту.
Введите адрес электронной почты и нажмите "Отправить":

Заказать демо-версию:
Отправляя эту форму, я принимаю условия конфиденциальности.
Скачать план работы в формате PDF
Краткое FAQ:
1. Как быстро мне вышлют работу? - В течение 5 минут после оплаты;
2. Можно ли заказать услуги (презентацию, доклад, повышение оригинальности) отдельно? - да, можно.
3. Будет ли инструкция по установке программы? - Да, обязательно будет.
4. Как повышается оригинальность? -Ручной перепиской текста с неоригинальными фрагментами.
5. Как быстро повышают оригинальность? - В течение суток после заказа услуги.
6. Сколько страниц в работе? - Количество страниц работы указано в ее плане.
7. Можно проверить оригинальность работы перед покупкой? - Да, конечно, напишите нам на admin@diplom-it.ru или в любой мессенджер +7-987-915-99-32 с указанием нужной работы.
Теги: С++ 2017

Работа подготовлена и защищена в 2017 году.

Кластеризация неформально определяется как процесс организации объектов в группы по типичным признакам. Есть 2 главных метода кластеризации: декомпозиция (деление, k-кластеризация) - тут каждый объект связан только с единственной группой, иерархическая кластеризация - тут каждая группа большего размера включает в себя группы меньшего размера. Оба метода очень часто изучались в середине 70-х годов и немного в 80-х. Сегодня в связи с распространением WWW поисковых систем (и особенно вопросов реализации огромных кол-ва информации) и концепцией 'информационная проходка’ (способ анализа данных в БД для нахождения аномалий и трендов без определения смыслового значения записей) вновь появился интерес к алгоритмам кластеризации.

В последние годы много работ было посвящено сравнению алгоритмов кластеризации на графах. В статье [3] обсуждается множество подходов, которые классифицированы по нескольким группам. Также в этой работе можно найти большое число реальных графов, на которых тестируются алгоритмы. Кроме того, некоторое внимание уделено метрикам качества. Экспериментальное сравнение передовых алгоритмов кластеризации на больших наборах данных было сделано в обзоре.

Особое внимание уделяется методам оценки качества кластеризации. Так, в работе [19] исследуются метрики, основанные на знании истинной кластеризации, и предлагается их объединение в группы, исходя из их физического смысла. Анализ метрик качества и отличия в их поведении в различных ситуациях также отмечены в статье. Также важно иметь представление о задачах, на которых проверяются алгоритмы и делаются выводы о их состоятельности. Помимо множества реальных данных, на которых принято тестировать алгоритмы, в статье [7] предлагаются сгенерированные графы, позволяющие качественно оценить работу алгоритмов.

Цель проекта – реализация сравнительного анализа алгоритмов кластеризации информационного графа параллельной программы.

Совместно с написанной текстовой частью в комплекте также есть программное обеспечение на языке C++.

Не подходит работа? Оцените стоимость написания нужной!

ВНИМАНИЕ!!! Мы не занимаемся незаконными видами деятельности и НЕ предоставляем своим клиентам аттестаты, дипломы и прочие документы об образовании.Мы действуем в рамках российского законодательства, оказывая методическую помощь в написании учебных работ согласно Ваших требований и в соответствии с нашими условиями сотрудничества.