Modele i metody komputerowego rozpoznawania wzorców opisanych ilościowo

• Autorzy: Szkółka K. , Bartosiak C. , Kasprzyk R. , Tarapata Z.

Warianty tytułu

EN

Models and methods of quantitative computer patterns recognition

• Języki publikacji: PL

Abstrakty

PL

W niniejszej pracy autorzy poruszają zagadnienia z obszaru badania podobieństwa grafów i sieci ze szczególnym naciskiem na metody ilościowe. Zostaje podjęta próba klasyfikacji wybranych metod grafowo-sieciowych badania podobieństwa. Prezentuje się tu także autorską metodę i rozwiązanie programowe, które jest wykorzystywane w celu wspierania działań decyzyjnych w organizacjach.

EN

In this paper, authors describe issues of assessing similarity of graphs and networks, with an emphasis on quantitative methods. An attempt is taken to classify graphs and networks similarity methods. It also presents author’s method and software solution that is used to support decision-making processes in organizations.

Słowa kluczowe

PL

sieć; rozpoznawanie wzorców; miary podobieństwa sieci

EN

network; pattern recognition; network similarity measures

• Wydawca: Polskie Towarzystwo Symulacji Komputerowej
• Czasopismo: Symulacja w Badaniach i Rozwoju
• Rocznik: 2015
• Tom: Vol. 6, nr 2
• Strony: 137--151
• Opis fizyczny: Bibliogr. 24 poz., rys.

Twórcy

autor

Szkółka K.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki ul. Kaliskiego 2, 00-908 Warszawa

autor

Bartosiak C.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki ul. Kaliskiego 2, 00-908 Warszawa

autor

Kasprzyk R.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki ul. Kaliskiego 2, 00-908 Warszawa

autor

Tarapata Z.

• Wojskowa Akademia Techniczna, Wydział Cybernetyki ul. Kaliskiego 2, 00-908 Warszawa

Bibliografia

• 1. Korzan B.: Elementy teorii grafów i sieci : metody i zastosowania, WNT, 1978.
• 2. Newman M. E. J.: Networks. An Introduction, Oxford University Press, 2010.
• 3. van Steen M.: Graph Theory and Complex Networks: An Introduction, 2010.
• 4. Easley D., Kleinberg J.: Networks, Crowds, and Markets: Reasoning About a Highly Connected World, Cambridge University Press, 2010.
• 5. Jungnickel D.: Graphs, Networks and Algorithms, Springer, 2007.
• 6. Chudy M.: Wybrane metody optymalizacji, EXIT, 2014.
• 7. Luks E. M.: Isomorphism of graphs of bounded valence can be tested in polynomial time. Journal of Computer and System Sciences, v. 25, 42-65, 1982.
• 8. McKay B. D.: Practical graph isomorphism, Congressus Numerantium, v. 30, 45-87, 1981.
• 9. Fortin S.: The Graph Isomorphism Problem, Technical Raport TR 96-20, Department of Computer Science, The University of Alberta, July 1996.
• 10. Papadopoulos A. N., Manolopoulos Y.: Structure-based similarity search with graph histograms, DEXA '99 Proceedings of the 10th International Workshop on Database & Expert Systems Applications, 174-178, 1999.
• 11. Jeh G., Widom J.: SimRank: a measure of structural-context similarity, Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining, Edmonton, 2002.
• 12. Blondel V. D., Gajardo A., Heymans M., Senellart P., Dooren P. V.: A measure of similarity between graph vertices applications to synonym extraction and web searching, SIAM Review, v. 46 (4), 647-666.
• 13. Tarapata Z.: Multicriteria weighted graphs similarity and its application for decision situation pattern matching problem, Proceedings of the 13th IEEE/IFAC International Conference on Methods and Models in Automation and Robotics, 1149-1155, 2007.
• 14. Zager L.: Graph similarity and matching, PhD thesis, MIT, May 2005.
• 15. Conte D., Foggia P., Sansone C., Vento M.: Thirty years of graph matching in pattern recognition, International Journal of Pattern Recognition and Artificial Intelligence, v. 18 (3), 2004.
• 16. Tarapata Z., Kasprzyk R.: An application of multicriteria weighted graph similarity method to social networks analyzing, Proceedings of the 2009 International Conference on Advances in Social Network Analysis and Mining, 366-368, 2009.
• 17. Kasprzyk R.: Diffusion in Networks, Journal of Telecommunications and Information Technology, 2/2012, ISSN 1509-4553, 99-106.
• 18. Bartosiak C., Kasprzyk R., Najgebauer A.: The graph and network theory as a tool to model and simulate the dynamics of infectious diseases, Bio-Algorithms and Med-Systems. Volume 9, Issue 1, Pages 17–28, ISSN (Online) 1896-530X, ISSN (Print) 1895-9091, DOI: 10.1515/bams-2013-0003, March 2013.
• 19. Kasprzyk R., Najgebauer A., Pierzchała D.: Modelling and Simulation of an Infected Disease in Social Networks, Lecture Notes in Artificial Intelligence, 2011, Volume Part I, pp. 388-398, ISBN: 978-3-642-23934-2, Springer-Verlag Berlin, Heidelberg.
• 20. Tarapata Z., Kasprzyk R.: Graph-Based Optimization Method for Information Diffusion and Attack Durability in Networks, RSCTC'2010, Lecture Notes in Artificial Intelligence, vol. 6086, Springer, Heidelberg, pp. 698-709, 2010.
• 21. www.bsn.ie
• 22. www.generalaudittool.com
• 23. https://plus.google.com/communities/108178540809040162296
• 24. www.google.pl/intx/pl/enterprise/apps/business/

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.