دانلود سورس کد الگوریتم خوشه بندی طیفی(spectral clustering) در زبان matlab
یکی از الگوریتم هایی که من در پایان نامه ام بکاربردم تا اجتماعات (انجمن ها) را در شبکه های اجتماعی تشخیص دهم ، الگوریتم خوشه بندی طیفی spectral clustering بود .این الگوریتم که از مساله بخش‌بندی گراف(Graph partitioning) مشتق میشود نشان داده است که در زمینه‌های مختلفی مثل گراف، متن، عکس و … به خوبی عمل می‌کند. هدف این الگوریتم این است که بخش‌هایی را در گراف شبکه بیابد که برش(cut) (تعداد کلی لبه های بین دو مجموعه غیر متصل از گره‌ها) مینیمم شود.
خوشه بندی طیفی
در برنامه نویسی matlab ما سورس کد این الگوریتم را ارائه داده ایم .
ورودی و خروجی آن به صورت زیر است:
- ورودی: ماتریس مجاورتG و تعداد خوشه‌ها k
- خروجی: خوشه‌های تشخیص داده شده
در اینجا فایلی جهت دانلود گذاشته شده است که شامل:
- سورس کد الگوریتم خوشه بندی طیفی (spectral clustering) در زبان برنامه نویسی matlab و با پسوند .m
- یک فایل با پسوندdocx (ورد) که در آن توضیحاتی در رابطه با این الگوریتم به همراه تصویر داده شده است.
من الگوریتم خوشه بندی طیفی را بر روی نمونه داده شبکه اجتماعی epinion مورد استفاده قراردادم و اجتماعات(افرادی که بیشتر باهم در ارتباط هستند ) این شبکه اجتماعی را مشخص کردم
مقاله بهبود صحت سیستم های توصیه گر در شبکه های اجتماعی با خوشه بندی طیفی نیز روش استفاده از الگوریتم خوشه بندی طیفی را برای تشخیص اجتماعات نشان می دهد که از این خوشه های مشخص شده برای بهبود سیستم های توصیه گر استفاده شده است.
جهت خرید این فایل دکمه‌ی “خرید” را بزنید. بعد از پرداخت از درگاه زرین پال، لینک دانلود به آدرس ایمیل شما ارسال خواهد شد و همین طور می توانید مستقیما فایل را دانلود نمایید .
نکته : جهت دانلود راحت تر از Download Manager استفاده کنید تا در صورت قطع شدن ارتباط در طول دانلود بتوانید روند دانلود را مجدداً ادامه دهید. ضمناً لینک دانلود به مدت ۳ روز معتبر خواهد بود
محتویات بسته دانلودی پس از خرید
با سلام
مستندات “کد الگوریتم خوشه بندی طیفی(spectral clustering) در زبان متلب” چند صفحه هست؟
آیا کد را کامل توضیح داده؟
با سلام
الگوریتم خوشه بندی طیفی یک الگوریتم ساده هست
مراحل الگوریتم خوشه‌بندی طیفی به شرح زیر است:
الگوریتم ۴ ۱: الگوریتم خوشه‌بندی طیفی
ورودی: ماتریس مجاورتG و تعداد خوشه‌ها k
خروجی: خوشه‌های c_1 〖,c〗_2 〖,…c〗_k
ماتریس مجاورت را نرمالیزه کن
گراف لاپلاسین L ̃ را با در نظر گرفتن ماتریس مجاورت نرمالیزه شده محاسبه کن
بردارهای ویژه متناظر با کوچکترین k مقدار ویژه از گراف L ̃ را محاسبه کن
ماتریس v به ابعاد n*k را بساز که ستون‌های آن k بردار ویژه هستند
هر ستون از v را به یک نقطه متناظر کن و خوشه‌های c_1 〖,c〗_2 〖,…c〗_k را با بکاربردن الگوریتم k- میانگین تشخیص بده
که الگورتم ما هم همین کار را انجام می دهد
فایل دانلودی یک فایل متلب به همراه یک فایل ورد دو الی سه صفحه ای است که الگوریتم بالا را پیاده سازی کرده است و من از همین کد در مقاله ام استفاده کرده ام.
https://www.tmoeini.ir/%D8%A8%D9%87%D8%A8%D9%88%D8%AF-%D8%B5%D8%AD%D8%AA-%D8%B3%DB%8C%D8%B3%D8%AA%D9%85-%D9%87%D8%A7%DB%8C-%D8%AA%D9%88%D8%B5%DB%8C%D9%87-%DA%AF%D8%B1%D8%AF%D8%B1-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C/
لینک دانلود چه زمانی ارسال میشود؟ چون برای من ارسال نشد
با سلام
پس از تکمیل پرداخت لینک دانلود نمایش داده می شود و همین طور به آدرس ایمیل تان نیز ارسال می شود. لطفا به پوشه spam هم نگاه کنید گاهی اوقات ایمیل به این پوشه می رود.
سلام
برخی از دوستان درخواست مجموعه داده جهت اعمال کد الگوریتم خوشه بندی طیفی را داده بودند که برای این منظور
به آدرس زیر مراجعه کرده و مجموعه داده EPINION را دانلود نمایید
http://www.trustlet.org/wiki/Epinions_datasets
این مجموعه داده دو تا ماتریس دارد که یکی ماتریس کاربر آیتم می باشد که میزان علاقه مندی کاربر به هر آیتم در آن درج شده است و دیگری ماتریس کاربر کاربر می باشد که هر درایه در صورت اعتماد دو کاربر دارای مقدار یک و در غیر این صورت دارای مقدار صفر می باشد که من این الگوریتم را بر روی ماتریس کاربر کاربر بکار بردم و تعداد خوشه ها را هم به عنوان ورودی می دهیم و تابع مربوطه را فرا خوانی می کنیم یعنی تابع دو پارامتر ورودی دارد یکی ماتریس کاربر کاربر و دیگری تعداد خوشه ها و خروجی خوشه ها خواهد بود.
سلام. من فایل مذکور رو خریداری کردم. در مورد نحوه تشکیل ورودی که ماتریس G هست توضیحی داده نشده. برای یک مجموعه داده با مثلا ۱۰۰ متغیر و ۸ ویژگی، ماتریس G رو چطوری باید تشکیل بدیم؟ ممنون
سلام. ماتریس G هر چیزی می تواند باشد که خودتون هم می توانید از اینترنت دانلود کنید. منظورتون از متغیر و ویژگی چی هست؟ ماتریس G یک ماریس مجاورت برای گراف مجموعه داده است.