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"
Разработка корпоративной вычислительной сети с использованием технологии VPN, диплом по сетям2 000 ₽
Формализация бизнес-процессов компании в сфере ЖКХ (проектирование и разработка АИС для расчета стоимости коммунальных услуг и формирования квитанций на оплату), ВКР по информатике2 000 ₽
Разработка информационной системы учета кредитования физических лиц2 000 ₽
Разработка методики выбора средств защиты платёжных карт, ВКР защита информации 2 000 ₽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++ |
Спасибо, работа пришла мгновенно. Буду рекомендовать друзьям.
Обратилась к данному производителю услуг в начале мая. Заказала ВКР, курсовую, отчет по практике, речь и презентацию. Почти 100 % оригинальность. Работают быстро. На вопросы отвечают почти моментально. Слегка переделали презентацию и речь по просьбе преподавателя и то, считаю, что какие то замечания должны были быть. ВКР приняли сразу. Изначально отпугнули низкие звезды на отзовике, но я все поняла вовремя и не жалею. Благодарю Вас!) Буду рекомендовать Вас знакомым!)
Обратилась сюда с очень сложной темой. Сделали диплом за месяц, что для меня было спасением. Ребята — профи, взялись за задачу, которая мне не поддавалась.
Есть небольшой нюанс: из-за сжатых сроков не успели отполировать все детали до идеала. Если планируете заказывать, лучше делать это заранее. Но несмотря на это, работа качественная, и я получила «отлично» на защите.
Огромное вам спасибо! Рекомендую ребят всем, кто попал в трудную ситуацию.
Учусь в МГУ на направлении бизнес-информатика. Сначала сомневалась, получится ли совместить требования методички и мои пожелания по структуре. В работе использовались данные из 1С и элементы анализа в Stata. Несколько раз просила внести изменения, всё сделали корректно. В итоге диплом приняли, а оригинальность оказалась выше 88%.
Писала диплом по праву в УрФУ, тема про цифровые права. Сделали с акцентом на судебную практику, уникальность 90%. Сначала сомневалась в надёжности, но общались в чате, скидывали промежуточные главы. На защите отвечала на вопросы легко, потому что материал был логично выстроен. Рекомендую как проверенный сервис.
