Алгоритмы кластеризации неориентированных графов большой размерности и их программные реализации
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"
Формализация бизнес-процессов компании в сфере ЖКХ (проектирование и разработка АИС для расчета стоимости коммунальных услуг и формирования квитанций на оплату), ВКР по информатике10 680 ₽
Информационная система обслуживания заявок сотрудников строительной компании, диплом по информатике в экономике8 900 ₽
Разработка методики выбора средств защиты платёжных карт, ВКР защита информации 11 400 ₽
Проектирование и разработка АРМ менеджера по закупкам7 776 ₽Описание
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++.
Характеристики
Год | 2017 |
Программа с исходниками | да, С++ |
Заказывал ВКР по прикладной информатике в МИСИС с выполнением за 3 недели. Работа включала разработку модуля обработки данных на Python и анализ эффективности нейросетей для прогнозирования. Соответствует требованиям кафедры, замечаний по структуре и коду было минимально. Защита прошла без правок, оценка «хорошо». Сервис оправдал ожидания по срокам и качеству.
ВКР по лингвистике для Синергии выполнен за 3 недели. Исследование особенностей перевода мемов с английского в русскоязычном сегменте соцсетей. Соответствует требованиям дистанционного формата: есть примеры скриншотов, анализ языковых адаптаций. Не было замечаний по терминологии, но потребовалась правка списка источников. Защита прошла успешно, оценка «хорошо». Рекомендую при заказе с запасом времени.
Заказал ВКР на тему «Автоматизация процессов ИТ-поддержки на предприятии». Работа выполнена за 3 недели без спешки. Тема раскрыта по методичке: анализ текущих слабых мест, предложения по улучшению, расчеты эффективности. Было небольшое замечание по оформлению таблиц, но поправили за пару дней. Защита прошла спокойно, оценка «хорошо». Для стандартного срока — результат стабильный и предсказуемый.
Решил заказать диплом на тему «Автоматизация обработки внутренних заявок сотрудников в организации». Сомневался в сроках — всего 10 дней до дедлайна. Первый черновик содержал неточности в структуре, но автор быстро внес корректировки после моих комментариев. Добавили детали по адаптации системы под разные отделы. На защите комиссия одобрила практическую часть, хотя попросила расширить рекомендации. «Хорошо» вместо «удовл.» — за такие сроки я доволен!
Заказал диплом по бизнес-информатике в МЭИ за 4 дня до дедлайна — почти не верил, что успеют. Были опасения по расчетам оптимизации ИТ-инфраструктуры и чертежам архитектуры систем в Visio. В итоге автор внес правки за сутки (пришлось доплатить), но замечания комиссии по формуле ROI устранили. Спасли перед защитой, хотя изначально сомневался в сервисе.
