پروپوزال مهندسی کامپیوتر تشخیص جامعه در شبکه های اجتماعی موبایل مبتنی بر موقعیت

مشاوره و آموزش انجام پایان نامه،پروپوزال،سمینار و پروژه های دانشجویی

در نمونه پروپوزال ارشد مهندسی کامپیوتر به دنبال ارائه طرحی جهت یادگیری دانشجویان ارشد با ساختار کلی پروپوزال هستیم که دانشجو بتواند با مطالعه پروپوزال در روند انجام پایان نامه ارشد آشنایی پیدا کند و توان تدوین پروپوزال و پایان نامه را داشته باشد.از آنجایی که دانشجویان در مقطع ارشد آشنایی اولیه ای با روند انجام پروپوزال و انجام پایان نامه ندارند و در این مسیر نیازمند مشاوره در انجام پایان نامه هستند بنابراین سعی شده است که با ارائه موضوعات پایان نامه،نمونه پروپوزال ارشد و نمونه پایان نامه ارشد دانشجویان را در این مسیر یاری رسانده و آشنایی لازم را در این مسیر کسب نمایند.لازم است که دانشجویان عزیر با دقت نمونه موضوعات پایان نامه و نمونه پروپوزال ها و پایان نام های ارائه شده را با دقت مطالعه نموده و با نمونه برداری از هر قسمت به تدوین پروپوزال و پایان نامه خود اقدام نمایند.امید است که در این راه بتوانیم همواره مشاور و همراه شما باشیم .

در قسمت دفاعیه پایان نامه نیز نمونه پاورپوینت ارشد قرار داده هست که دانشجویان بتوانند جهت اماده سازی پاورپوینت دفاع پایان نامه استفاده نمایند.یک دفاع موفق منوط به مطالعه با دقت پایان نامه و رفع اشکال پایان نامه و سپس ارائه پاورپوینت با قسمت های پایان نامه همراه با آرامش در زمان دفاع می باشد.موسسه ادیب مشاور همواره در تمامی این مراحل در کنار شما عزیزان خواهد بود.

 

مقدمه و بیان مساله

شبکه اجتماعی موبایل (MSN) [1]با ترکیب مفاهیم دو رشته متفاوت، شبکه های اجتماعی (از علوم اجتماعی) و شبکه ارتباطات تلفن همراه، معرفی شده است.

تعریف Community Detection : تعریف عمومی برای جامعه وجود ندارد. یک جامعه نسبت به مشخصات گره های درون آن و کاربرد آن تعریف می شود. [2]

انواع دسته بندی ساختار شبکه  [3]

  • براساس توپولوژی (hierarchical، Non-hierarchical)
    • در hierarchical گراف ممکن است سطوح مختلفی از جامعه را دارا باشد که شامل جامعه های کوچکتر درون یک جامعه بزرگ باشد در حالی که در Non- hierarchical زیر گروه دارای یک ساختار مسطح است
  • مبتنی بر عضویت (overlapping و non-overlapping)
    • در حالت overlapping، یک گره می تواند عضو بیشتر از یک جامعه باشد در حالی که در حالت non- overlapping هر گره فقط عضو یک جامعه است
  • ساختار مبتنی بر زمان (dynamic و static)
    • در حالت dynamic، ساختار جامعه مانند تعداد گره ها و روابط بین آنها ممکن است در طول زمان تکامل یابد، در حالی که در حالت static ساختار جامعه در طول زمان ثابت است.
  • شبکه های فرصت طلب (Opportunistic Networks)

روش های موجود برای تشخیص جامعه با استفاده از موقعیت مکانی:

  • روش معرفی شده توسط Zhi Liu [4]
    • در این روش با در نظر گرفتن موقعیت نودها به همراه هدف اصلی که افزایش کیفیت نتایج تشخیص جامعه از نظر درجه درونی، دقت و طول جغرافیایی جوامع پیشنهادی است، اقدام به تشخیص جامعه می کند.
  • روش معرفی شده توسط Kwan Hui Lim [6]
    • در این روش برای تشخیص جوامع location-centric ابندا یک گراف G =(N,Et) از شبکه درست می کند که N مجموعه ایی از کاربران و Et مجموعه ایی ار ارتباطات است. سپس یکی از روش های معمول تشخیص جامعه بر روی گراف را روی گراف تولید شده اعمال می کند.

مشکلات روش های بیان شده:

  • روش معرفی شده توسط Zhi Liu
    • عدم امکان شناسایی نودها در شبکه های Overlap
    • Dynamic نبودن شبکه
    • Online نبودن شبکه
  • روش معرفی شده توسط Kwan Hui Lim
    • عدم امکان شناسایی نودها در شبکه های Overlap
    • Dynamic نبودن شبکه
    • Online نبودن شبکه

هدف ما در این پایان نامه ارائه روشی برای تشخیص جامعه در شبکه های Overlap و Online می باشد که در دنیای واقعی بسیار نزدیک تر به شبکه های اجتماعی موبایل می باشد.

برای حصول به این هدف کارهای زیر انجام می شود:

  • بهبود روش ارائه شده توسط Zhi Liu جهت شناسایی نودها در شبکه های Overlap
    • روش ارزیابی الگوریتم: مقایسه الگوریتم با روش های مشابه
      • استفاده از تابع NMI
      • LFR Benchmark
    • Dataset های مورد استفاده:
      • Gowalla
      • Brightkite

 

  • پیاده سازی الگوریتم جدید مبتنی بر روش LPA برای شناسایی نودها در شبکه های Overlap و Online با استفاده از موقعیت مکانی کاربر
    • روش ارزیابی الگوریتم: مقایسه الگوریتم با روش های مشابه
      • استفاده از تابع NMI
      • LFR Benchmark
    • Dataset های مورد استفاده:
      • Gowalla
      • Brightkite

 

سوابق مربوط (بيان مختصر سابقه تحقيقات انجام شده درباره موضوع و نتايج بدست آمده در داخل و خارج از کشور و مقایسه آنها در راستای موضوع تحقیق:

روش Spectral Clustering :

فرض کنید یک مجموعه n تایی داریم که تابع تشابه S بین هر دو عضو تعریف شده است که هر عضو آن متقارن و مثبت است. [7]Spectral clustering شامل تمام روش ها و تکنیک هایی است که از ماتریس eigenvectors برای خوشه بندی استفاده می کنند. Spectral clustering شامل تبدیل مجموعه اولیه از اشیاء به مجموعه ایی از نقاط در فضا است که مختصات این نقاط عناصر بردار eigenvectors است، سپس این مجموعه را می توان با روش k-means خوشه بندی کرد. ممکن است این سوال مطرح شود که چرا نیاز است نقاط بدست امده از ماتریس eigenvectors را خوشه بندی کرد، زمانیکه می توان به طور مستقیم مجموعه اولیه از اشیاء را بر اساس ماتریس شباهت خوشه بندی کرد. دلیل آن این است که تغییر ناشی استفاده از بردار eigenvectors باعث بیشتر نمایان شدن خواص مجموعه داده های اولیه می شود.

 

روش های مبتنی بر LPA:

LPA یکی از سریع ترین الگوریتم های تشخیص اجتماع است که توسط Raghavan معرفی شده است. این الگوریتم با دادن یک برچسب منحصر به فرد به هر راس شروع می شود. در هر تکرار راسی برچسب دریافت می کند که همسایگان بیشتری داشته باشد. این الگوریتم دارای پیچیدگی زمانی خطی، بسیار ساده و بدون پارامتر است.

الگوریتم های مختلفی بر اساس LPA منتشر شده است که اکثر آنها بر روی جوامع Non-Overlap کار می کنند و  تعداد کمی الگوریتم وجود دارد که جوامع Overlap را شناسایی کند. یکی از این الگوریتم ها COPRA [8] نام دارد. COPRA اولین الگوریتمی است که با استفاده از LPA برای تشخیص جوامع Overlap مطرح شد. این الگوریتم بسیار سریع است و اجازه می دهد تا هر راس در  V جامعه عضو باشد. V پارامتر این الگوریتم است و مستقل از راس است. الگوریتم های دیگری نظیر [9]OSLOM ، [10]BMLPA،SLPA [11]،Speakeasy [12] و ... با استفاده از روش LPA برای تشخیص جوامع Overlap وجود دارند.

روش های تشخیص اجتماع در شبکه های اجتماعی موبایل

روش Simple method [13] با طبقه بندی هر جفت گره محلی براساس مدت زمان تماس با یکدیگر اقدام به تشخیص جامعه می کند. روش TopGC [14] با استفاده از Hash کردن حساسیت محلی هر جامعه که باعث این می شود که جوامع یکسان مقادیر یکسانی را به اشتراک بگذارند، مجموعه ای از نودهای مشترک در یک جامعه را پیدا و در یک خوشه نگه می دارد، سپس فقط دمبال خوشه با بالاترین امتیاز می گردد. روش های مختلف دیگری نظیر Modularity [13]، K-clique [13]، SLPA [11]، PEC [15]، DOCNET [16]، CDDW [17] و ... نیز وجود دارد.

 

  • روش معرفی شده توسط Zhi Liu
    • در این روش با در نظر گرفتن موقعیت نودها به همراه هدف اصلی که افزایش کیفیت نتایج تشخیص جامعه از نظر درجه درونی، دقت و طول جغرافیایی جوامع پیشنهادی است، اقدام به تشخیص جامعه می کند..
  • روش معرفی شده توسط Kwan Hui Lim
  • در این روش برای تشخیص جوامع location-centric ابندا یک گراف G =(N,Et) از شبکه درست می کند که N مجموعه ایی از کاربران و Et مجموعه ایی ار ارتباطات است. سپس یکی از روش های معمول تشخیص جامعه بر روی گراف را روی گراف تولید شده اعمال می کند.

اهداف تحقیق

ارائه روشی برای تشخیص جامعه در شبکه های Overlap ، non-Overlapو Online می باشد که در دنیای واقعی بسیار نزدیک تر به شبکه های اجتماعی موبایل می باشد.

برای حصول به این هدف کارهای زیر انجام می شود:

  • بهبود روش ارائه شده توسط Zhi Liu جهت شناسایی نودها در شبکه های Overlap

پیاده سازی الگوریتم جدید مبتنی بر روش LPA برای شناسایی نودها در شبکه های Overlap و Online با استفاده از موقعیت مکانی کاربر

فرضیه ها 

در این تحقیق فرض بر این شده که شبکه مورد بررسی بدون وزن و بدون جهت است.

نوآوری تحقیق

در این پایان نامه روشی برای تشخیص جامعه در شبکه های مبتنی برمکان(LBSN) طرح شده است که توانایی شناسایی نودها در جوامع Overlap ، non-Overlapو Online را دارد که برای تشخیص جامعه در دنیای واقعی بسیار نزدیک تر به شبکه های اجتماعی موبایل می باشد.

 

آموزش تخصصی انجام پایان نامه مهندسی کامپیوتر، شبکه حسگر بیسیم

آموزش انجام پایان نامه رایانش ابری

آموزش انجام پایان نامه رایانش ابری موبایل

پروپوزال مهندسی کامپیوتر تشخیص مدل خودرو بر پایه استخراج ویژگی محلی از تصویر

پروپوزال کامپیوتر بهینه سازی مصرف انرژی در شبکه محاسباتی ابر با استفاده از استراتژی زمانبندی مهاجرت ماشینهای مجازی

 

خدمات ادیب مشاور در زمینه رشته مهندسی کامپیوتر

ارائه موضوع پایان نامه مهندسی کامپیوتر

تدوین مقاله در رشته مهندسی کامپیوتر

مشاوره در تدوین پروپوزال مهندسی کامپیوتر

مشاوره و آموزش در پایان نامه مهندسی کامپیوتر

انجام شبیه سازی در رشته مهندسی کامپیوتر

استخراج مقاله در  رشته مهندسی کامپیوتر

استفاده از نرم افزارهای تخصصی همچون نرم افزار R، نرم افزار STATA، نرم افزار MATLAB، نرم افزار Vensim، نرم افزار LINGO، نرم افزار NS2

 

مشاوره تخصصی انجام پایان نامه ارشد

یکی از مهمترین وظایف دانشجویان در مقاطع تحصیلات تکمیلی (کارشناسی ارشد و دکتری) انجام پایان نامه می باشد. فقر اساتید خبره در زمینه های مختلف علمی تحقیقاتی در برخی دانشگاه های داخلی و خارجی موجب سردرگمی دانشجویان عزیز گردیده است، موسسه ادیب مشاور مفتخر است که در پاسخ به این نیاز طی ده سال فعالیت به تعداد بیشماری از دانشجویان ارشد و دکتری خدمات مشاوره تخصصی ارايه داده است.

به طور کلی انجام پایان نامه کاری زمان بر است که دانش و تجربه زیادی نیازمند است. موسسه ادیب مشاور با چندین سال تجربه در عرصه مشاوره و با در اختیار داشتن متخصصین و اساتیدی با تجربه آماده مشاوره و آموزش پایان نامه در کلیه رشته های دانشگاهی می باشد.

علاوه بر این موسسه ادیب مشاور، در زمینه شبیه سازی مقالات، پایان نامه ها و انجام پروژه ها با برنامه نویسی نیز به دانشجویان کشور عزیزمان خدمات لازم را ارائه می کند. این خدمات شامل تحلیل آماری، پیاده سازی با انواع نرم افزارهای مهندسی، برنامه نویسی با انواع زبان های برنامه نویسی و تهیه پرسش نامه می شود.

به طور کلی سر فصل های خدمات موسسه ادیب مشاور عبارتند از:

مشاوره پروپوزال در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

مشاوره پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

استخراج مقاله از پایان نامه در رشته مدیریت، حسابداری، مهندسی برق قدرت، مهندسی برق الکترونیک، مهندسی کامپیوتر و روانشناسی و دیگر رشته ها

انجام پایان نامه کامپیوتر، پروپوزال مهندسی کامپیوتر

اگر برای هریک از موارد فوق نیاز به مشاوره رایگان دارید، همین الان با ما تماس بگیرید.