• فهرست مقالات Graph-based clustering

      • دسترسی آزاد مقاله

        1 - Graph Based Feature Selection Using Symmetrical Uncertainty in Microarray Dataset
        Soodeh Bakhshandeh رضا عزمی Mohammad Teshnehlab
        Microarray data with small samples and thousands of genes makes a difficult challenge for researches. Using gene selection in microarray data helps to select the most relevant genes from original dataset with the purpose of reducing the dimensionality of the microarray چکیده کامل
        Microarray data with small samples and thousands of genes makes a difficult challenge for researches. Using gene selection in microarray data helps to select the most relevant genes from original dataset with the purpose of reducing the dimensionality of the microarray data as well as increasing the prediction performance. In this paper, a new gene selection method is proposed based on community detection technique and ranking the best genes. Symmetric Uncertainty is used for selection of the best genes by calculation of similarity between two genes and between each gene and class label which leads to representation of search space as a graph, in the first step. Afterwards, the proposed graph is divided into several clusters using community detection algorithm and finally, after ranking the genes, the genes with maximum ranks are selected as the best genes. This approach is a supervised/unsupervised filter-based gene selection method that minimizes the redundancy between genes and maximizes the relevance of genes and class label. Performance of the proposed method is compared with thirteen well-known unsupervised/supervised gene selection approaches over six microarray datasets using four classifiers including SVM, DT, NB and k-NN. Results show the advantages of the proposed approach. پرونده مقاله
      • دسترسی آزاد مقاله

        2 - بهبود تراوایی محاسبه شده از روش کالیبراسیون FZI استونلی در مخزن کنگان یکی از میادین گازی ایران
        حسین  رضایی یگانه دوست
        تراوایی توانایی جریان سیال برای یک سنگ متخلخل بوده که تخمین درست آن کاری به شدت دشوار است. دو روش معمول و مرسوم محاسبه تراوایی آنالیز مغزه و چاه آزمایی است، اما اندازه گیری تراوایی از طریق مغزه در تمامی چاه های یک میدان در آزمایشگاه، فرآیندی شدیداً زمانبر و هزینه بر بود چکیده کامل
        تراوایی توانایی جریان سیال برای یک سنگ متخلخل بوده که تخمین درست آن کاری به شدت دشوار است. دو روش معمول و مرسوم محاسبه تراوایی آنالیز مغزه و چاه آزمایی است، اما اندازه گیری تراوایی از طریق مغزه در تمامی چاه های یک میدان در آزمایشگاه، فرآیندی شدیداً زمانبر و هزینه بر بوده و همچنین در بعضی چاه ها منجمله؛ چاه های افقی امکان مغزه گیری وجود ندارد. چاه آزمایی نیز به دلایلی نظیر؛ هزینه های بالا و توقف تولید در بازه انجام تست صرفه اقتصادی ندارد. لذا ارائه و توسعه روش هایی مبتنی بر نگارهای چاه پیمایی معمول و DSI جهت تخمین تراوایی بدلیل هزینه های کم، جامع و در دسترس بودن اهمیت فراوانی دارد. به این منظور در این پژوهش، در مرحله اول تراوایی به کمک روش خوشه بندی چند تفکیکی بر پایه گراف (MRGC) تخمین زده شد و با تراوایی مغزه مقایسه گردید. در مرحله دوم تراوایی به روش کالیبراسون FZI استونلی محاسبه و در نهایت با تراوایی مغزه مقایسه گردید. در مرحله سوم به جهت بهبود تراوایی محاسبه شده از روش کالیبراسیون FZI استونلی جهت غلبه بر هتروژنی مخزن از روش خوشه بندی چند تفکیکی بر پایه گراف (MRGC) در ابتدا واحدهای جریانی مشخص شدند، در ادامه برای هر واحد جریانی بصورت مجزا تراوایی از روش کالیبراسیون FZI استونلی محاسبه گردید و در نهایت با ترکیب کردن تراوایی های محاسبه شده یک نگار دقیق از تراوایی در چاه مورد مطالعه تخمین زده شد. مشاهده شد که ضریب همبستگی تراوایی های تخمین زده شده با تراوایی مغزه در روش خوشه بندی چند تفکیکی بر پایه گراف (R2=77)، کالیبراسیون FZI استونلی (R2=47) و روش بهبود داده شده (R2=84) بدست آمد. روش مذکور توانست 37 درصد تراوایی محاسبه شده در مرحله قبل را بهبود بخشد و به عنوان بهترین روش جهت محاسبه تراوایی در مخزن کنگان چاه مورد مطالعه معرفی می گردد. پرونده مقاله