國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

網絡資料分群方法的比較 = A Comparison of Commun...

國立高雄大學統計學研究所

網絡資料分群方法的比較 = A Comparison of Community Detection Methods on Networks

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	A Comparison of Community Detection Methods on Networks
作者:	翁碩妤,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	2014[民103]
面頁冊數:	42面圖,表 : 30公分;
標題:	網絡分群
標題:	Community structure
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/92097962243172697346
附註:	104年10月31日公開
附註:	參考書目：面33-34
摘要註:	網絡是由一些點（node）與這些點之間的關係所構成，本文所考慮的型式為無方向性與無權重的平面圖。近年，網絡資料逐漸在各領域被應用，如網際網絡（Google搜尋、臉書等）、生物網絡（生態、食物網、蛋白質交互作用網絡、神經網絡等）、社會網絡（社交網絡等）等，因此網絡資料分析遂成為熱門發展的技術，其中網絡分群是一基本且漸於成熟的議題。本研究利用Kuo, Ho and Liu (2013)所提出的網絡表示法－因子模型，對觀察網絡進行類似重抽樣的方式獲得一個全新的分群概念與方法，接著使用數個知名的實際網絡進行分析，並與文獻中常被使用的方法作比較，發現我們的方法有不錯的分群效果。 A Network is sets of nodes joined together in pairs by lines. In this paper we study the type of network which is the non-directional and un-weighted network. A number of recent studies is being applied in various fields, such as Internet networks(Google Search, Facebook, etc.), Biological networks(ecology, food webs, protein-protein in-teraction networks, neural networks, etc.), Social networks(social networks, etc.) so that the network analysis techniques became popular development, which is a basic and gradually mature issues. In this study, Kuo, Ho, and Liu (2013) proposed the new network notation “ factor model” to obtain the network and the new method concept similar resampling for detecting such communities. We apply the method to several useful networks to analysis, at the same time, against a method often used in the liter-ature and found that our method has good clustering effect.

網絡資料分群方法的比較 = A Comparison of Community Detection Methods on Networks
翁, 碩妤

網絡資料分群方法的比較 = A Comparison of Community Detection Methods on Networks / 翁碩妤撰 - [高雄市] : 撰者, 2014[民103]. - 42面 ; 圖,表 ; 30公分.
104年10月31日公開參考書目：面33-34.
網絡分群Community structure

網絡資料分群方法的比較 = A Comparison of Community Detection Methods on Networks
LDR:02793nam0a2200289 450 001 430092
005 20170214100413.0
009 430092
010 0 $b 精裝
010 0 $b 平裝
100 $a 20170214y2014 k y0chiy50 e
101 1 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 網絡資料分群方法的比較 $d A Comparison of Community Detection Methods on Networks $z eng $f 翁碩妤撰
210 $a [高雄市] $c 撰者 $d 2014[民103]
215 0 $a 42面 $c 圖,表 $d 30公分
300 $a 104年10月31日公開
300 $a 參考書目：面33-34
314 $a 指導教授：郭錕霖教授
328 $a 碩士論文--國立高雄大學統計學研究所
330 $a 網絡是由一些點（node）與這些點之間的關係所構成，本文所考慮的型式為無方向性與無權重的平面圖。近年，網絡資料逐漸在各領域被應用，如網際網絡（Google搜尋、臉書等）、生物網絡（生態、食物網、蛋白質交互作用網絡、神經網絡等）、社會網絡（社交網絡等）等，因此網絡資料分析遂成為熱門發展的技術，其中網絡分群是一基本且漸於成熟的議題。本研究利用Kuo, Ho and Liu (2013)所提出的網絡表示法－因子模型，對觀察網絡進行類似重抽樣的方式獲得一個全新的分群概念與方法，接著使用數個知名的實際網絡進行分析，並與文獻中常被使用的方法作比較，發現我們的方法有不錯的分群效果。 A Network is sets of nodes joined together in pairs by lines. In this paper we study the type of network which is the non-directional and un-weighted network. A number of recent studies is being applied in various fields, such as Internet networks(Google Search, Facebook, etc.), Biological networks(ecology, food webs, protein-protein in-teraction networks, neural networks, etc.), Social networks(social networks, etc.) so that the network analysis techniques became popular development, which is a basic and gradually mature issues. In this study, Kuo, Ho, and Liu (2013) proposed the new network notation “ factor model” to obtain the network and the new method concept similar resampling for detecting such communities. We apply the method to several useful networks to analysis, at the same time, against a method often used in the liter-ature and found that our method has good clustering effect.
510 1 $a A Comparison of Community Detection Methods on Networks $z eng
610 0 $a 網絡分群 $a 社會網絡分析 $a 網絡 $a 因子模型
610 1 $a Community structure $a Social network analysis $a Networks
681 $a 008M/0019 $b 343201 8014 $v 2007年版
700 1 $a 翁 $b 碩妤 $4 撰 $3 673321
712 0 2 $a 國立高雄大學 $b 統計學研究所 $3 166081
801 0 $a tw $b 國立高雄大學 $c 20151023 $g CCR
856 7 $z 電子資源 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/92097962243172697346