25490

رده‌بندي شبكه‌هاي حاشيه‌گذاري‌شده با استفاده از ويژگي‌هاي ساختاري

كارشناسي ارشد

مهندسي كامپيوتر-نرم افزار

1396-1400

1400/06/27

دكتر حسين رحماني

مهندسي كامپيوتر

شبكه، يكي از روش‌هاي توصيف روابط ميان داده‌ها است. امروزه تحليل شبكه‌ها، به دليل اطلاعات بسيار متنوعي كه دارند، در حال گسترش است. ازجمله‌ اين تحليل‌ها رده‌بندي شبكه است كه به كمك آن مدلي جهت توصيف شبكه‌ها ايجاد مي‌شود. رده‌بندي شبكه‌ها يك مسئله‌ كليدي در بسياري از زمينه‌هاي علمي است. هدف از اين عمل، شناسايي برچسب شبكه‌هاي ناشناخته است. در سال‌هاي اخير روش‌هاي مبتني بر هسته‌هاي شبكه زيادي براي رده‌بندي شبكه‌ها معرفي شدند. اين روش‌ها بسيار كارآمد ولي با سربار بالاي محاسباتي هستند. در اين پژوهش رويكرد جايگزيني مبتني ‌بر بردار ويژگي‌ها معرفي شده است. اين بردار ويژگي‌ها توسط ويژگي‌هاي ساختاري عمومي و محلي مختلفي ايجاد مي‌شود. رده‌بندهاي مختلفي مانند ماشين بردار پشتيبان كه بالاترين دقت را بدست آورد نيز از اين بردار ويژگي‌ها استفاده مي‌كنند. اين روش بر روي چندين مجموعه‌داده واقعي نظير تركيبات شيميايي، پروتئين‌ها و شبكه‌هاي سلولي مورد آزمايش قرار گرفت. روش پيشنهادي نسبت به ساير روش‌هاي هسته شبكه دقت بالاتر يا برابري را در يك زمان مشخص كسب كرده است كه نتايج آن براي هر مجموعه‌داده بيان شده است. ازاين‌رو اين روش بسيار مؤثر و با مقياس‌پذيري بالايي است. علاوه بر اين رويكرد پيشنهادي بر روي مجموعه‌داده‌هاي حجيم بدون برچسب داراي دقت بالاتر، سربار محاسباتي كمتر و سرعت پردازشي قابل مقايسه‌اي نسبت به ساير روش‌ها است. براي مثال در مجموعه‌داده‌ي شبكه‌هاي سلولي، رويكرد پيشنهادي ما نسبت به بهترين نتيجه‌ ساير هسته‌هاي شبكه داراي ميانگين بهبود دقت 7 درصد و 10 برابر افزايش سرعت پردازش است.

1400/08/15

Annotated networks classification based on topological attributes

9/18/2021 12:00:00 AM

Network is a way of describing relationships between data. Today, network analysis is expanding due to the wide variety of information they have. One of these analyzes is network classification, which creates a model for describing networks. Network classification is a key issue in many scientific fields. The purpose of this task is to identify the labels of unknown networks. In recent years, many network kernel-based methods for classifying networks have been introduced. These methods are very efficient but with high computational overhead. In this research, a vector-based alternative approach is introduced. This feature vector is created by various global and local topological features. Various classifiers, such as the support vector machine that achieves the highest accuracy, use this feature vector. This method was tested on several real datasets such as chemical compounds, proteins and cell networks. The proposed method achieves a competitive or higher accuracy than other kernel methods at a given time, the results of which are shown for each data set. Therefore, this method is very effective and highly scalable. In addition, the proposed approach on unlabeled datasets has upper accuracy, lower computational overhead, and comparable processing speeds than other methods. For example, in the cell network datasets, our proposed approach to the best result of other network kernels has an average improvement in accuracy about 7% and 10 times in running speed.

شبكه , ويژگي‌هاي ساختاري , رده‌بندي شبكه , هسته‌هاي شبكه

Network , Topological Features , Network Classification , Network Kernel