Show simple item record

Graph Clustering by Means of Evolutionary Algorithms
dc.contributor.advisorNeruda, Roman
dc.creatorKohout, Jan
dc.date.accessioned2017-05-07T03:01:28Z
dc.date.available2017-05-07T03:01:28Z
dc.date.issued2012
dc.identifier.urihttp://hdl.handle.net/20.500.11956/41721
dc.description.abstractRozdělení vrcholů grafu do shluků podle jejich vzájemné podobnosti je užitečnou součástí datové analýzy, může však být značně složité. Pro ten- to problem existuje mnoho různých algoritmů a přístupů, jedna z možností je využití genetických algoritmů. V této práci se zabýváme shlukovacími algoritmy obecně i v oblasti grafů. Navrhli jsme několik algoritmů založených na myšlence genetického algoritmu a tyto algoritmy byly porovnány na základě provedených experimentů. V rámci práce byla též vytvořena serverová aplikace obsahující implementace navržených algoritmů.cs_CZ
dc.description.abstractPartitioning nodes of a graph into clusters according to their simi- larities can be a very useful but complex task of data analysis. Many dierent approaches and algorithms for this problem exist, one of the possibilities is to utilize genetic algorithms for solving this type of task. In this work, we analyze dierent approaches to clustering in general and in the domain of graphs. Several clustering algorithms based on the concept of genetic algorithm are proposed and experimentally evaluated. A server application that contains implementations of the these algorithms was developed and is attached to this thesis.en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectevoluční algoritmycs_CZ
dc.subjectgrafové algoritmycs_CZ
dc.subjectshlukovánícs_CZ
dc.subjectevolutionary algorithmsen_US
dc.subjectgraph algorithmsen_US
dc.subjectclusteringen_US
dc.titleGraph Clustering by Means of Evolutionary Algorithmsen_US
dc.typediplomová prácecs_CZ
dcterms.created2012
dcterms.dateAccepted2012-09-03
dc.description.departmentDepartment of Theoretical Computer Science and Mathematical Logicen_US
dc.description.departmentKatedra teoretické informatiky a matematické logikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId110009
dc.title.translatedGraph Clustering by Means of Evolutionary Algorithmscs_CZ
dc.contributor.refereeMrázová, Iveta
dc.identifier.aleph001498344
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineTheoretical Computer Scienceen_US
thesis.degree.disciplineTeoretická informatikacs_CZ
thesis.degree.programComputer Scienceen_US
thesis.degree.programInformatikacs_CZ
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra teoretické informatiky a matematické logikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Theoretical Computer Science and Mathematical Logicen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csTeoretická informatikacs_CZ
uk.degree-discipline.enTheoretical Computer Scienceen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enComputer Scienceen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csRozdělení vrcholů grafu do shluků podle jejich vzájemné podobnosti je užitečnou součástí datové analýzy, může však být značně složité. Pro ten- to problem existuje mnoho různých algoritmů a přístupů, jedna z možností je využití genetických algoritmů. V této práci se zabýváme shlukovacími algoritmy obecně i v oblasti grafů. Navrhli jsme několik algoritmů založených na myšlence genetického algoritmu a tyto algoritmy byly porovnány na základě provedených experimentů. V rámci práce byla též vytvořena serverová aplikace obsahující implementace navržených algoritmů.cs_CZ
uk.abstract.enPartitioning nodes of a graph into clusters according to their simi- larities can be a very useful but complex task of data analysis. Many dierent approaches and algorithms for this problem exist, one of the possibilities is to utilize genetic algorithms for solving this type of task. In this work, we analyze dierent approaches to clustering in general and in the domain of graphs. Several clustering algorithms based on the concept of genetic algorithm are proposed and experimentally evaluated. A server application that contains implementations of the these algorithms was developed and is attached to this thesis.en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra teoretické informatiky a matematické logikycs_CZ
dc.identifier.lisID990014983440106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV