فایلکو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فایلکو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

پاورپوینت درمورد پاورپوینت گراف 16 اسلاید

اختصاصی از فایلکو پاورپوینت درمورد پاورپوینت گراف 16 اسلاید دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

دسته بندی : پاورپوینت

نوع فایل :  .ppt ( قابل ویرایش و آماده پرینت )

تعداد اسلاید : 16 اسلاید


 قسمتی از متن .ppt : 

 

گراف

وحیدی پور

تعاریف

مجموعه ای غیر تهی از راس

مجموعه ای از زوج راسها که بوسیله یال بهمدیگر متصل هستند.

انواع گراف

گراف بدون جهت Undirected graph

گراف جهت دار Directed graph

گراف چند یالیMulti-graph

گراف کاملComplete Graph

گراف ساده Simple graph

تعاریف

path: no vertex can be repeated

a-b-c-d-e

trail: no edge can be repeat

a-b-c-d-e-b-d

walk: no restriction

a-b-d-a-b-c

closed if x=y

closed trail: circuit (a-b-c-d-b-e-d-a,

one draw without lifting pen)

closed path: cycle (a-b-c-d-a)

length: number of edges in

this (path,trail,walk)


دانلود با لینک مستقیم


پاورپوینت درمورد پاورپوینت گراف 16 اسلاید

دانلود مقاله کامل درباره نظریه گراف و کاربرد های آن

اختصاصی از فایلکو دانلود مقاله کامل درباره نظریه گراف و کاربرد های آن دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 23

 

فهرست مطالب

فصل اول

مقدمه: 2

آشنایی با گراف 2

یکریختی گراف ها: 3

ماتریس وقوع و ماتریس مجاورت: 3

درجه راس ها: 4

مسیرها : 4

دورها: 4

کاربردها: 5

فصل دوم

درخت ها: 7

یال های برشی و باندها: 8

فرمول کیلی: 9

مساله ارتباطی دهی: 9

همبندی: 10

ساخت شبکه‌های ارتباطی قابل اعتماد: 11

تورهای اویلری 12

دورهای همیلتنی: 12

الگوریتم فلوری: 13

فصل چهارم

تطابق‌ها: 14

تطابق ها و پوشش ها در گراف های دو بخشی: 15

تطابق کامل: 16

رنگ آمیزی یالی 16

قضیة ویزینگ: 17

فصل پنجم

پیوست 20

گراف های قابل توجه 21

منابع 23

نظریه های گراف و کاربرد آنها

فصل اول

مقدمه:

در دنیای اطراف ما، وضعیف های فراوانی وجود دارند که می توان توسط نموداری متشکل از یک مجموعه نقاط ، به علاوه خطوطی که برخی از این نقاط را به یکدیگر متصل می کنند، به توصیف آنها پرداخت، به عنوان مثال ، برای نشان دادن رابطه دوستی بین یک دسته از انسان ها می نوانیم هر شخص را با یک نقطه مشخص کنیم . نقاط متناظر با هر دو دوست را با یک خط به یکدیگر وصل نماییم، یا در جای دیگر ممکن است برای نشان دادن یک شبکه ارتباطی، از نموداری استفاده کنیم که در آن ، نقاط نمایانگر مراکز ارتباطی و خطوط، نشان دهنده پیوندهای ارتباطی بین مراکز باشند. توجه داشته باشید که در این گونه نمودارها، آن چه بیشتر مورد توجه است این است که آیا دو نقطه داده شده ، به وسیله یک خط به یکدیگر متصل هستند یا نه و طریقه اتصال آنها اهمیتی ندارد. تجربه ریاضی این وضعیت ها به مفهوم گراف منتهی می شود.

گراف G یک سه تایی مرتب است که تشکیل شده از یک مجموعه ناتهیV(G) از راس ها، یک مجموعه E(G) – مجزای از V(G) – از یال ها و یک تابع وقوع که به هر یال G ، یک زوج نا مرتب از راس های G را – که الزاماً متمایز نیستند – نسبت می دهد. اگر e یک یال وu و دو راس باشند به طوری که ، در این صورت گفته می شود که e، راس هایu و را به یکدیگر وصل کرده است و راس های u و ، دو سر یال e نامیده می شوند.

دلیل نامگذاری گراف ها بدین نام، این است که می توان آنها را به صورت گرافیکی نمایش داد و همین نمایش گرافیکی است که ما را در درک بسیاری از خواص گراف ها یاری می کند. در این گونه نمایش داده می شود.

آشنایی با گراف

نمودار یک گراف ، فقط رابطه وقوعی را که بین راس ها و یال ها برقرار است، نشان می دهد، با این حال در غالب اوقات ، نموداری از یک گراف را رسم کرده ، به جای خود گراف ، به نمودار آن اشاره می کنیم. به همین منوال نقطه های آن را «راس» و خطوط آن را «یال» می نامیم.

اگر یک گراف ، نموداری داشته باشد که در آن یال ها تنها در راس های دو سر خود متقاطع باشند، مسطح نامیده می شود، چون می توان به سادگی این گونه گراف ها را روی یک صفحه مسطح رسم کرد. دو راس که برروی یال مشترکی واقعند ، مجاور نامیده می شوند. به همین ترتیب دو یال واقع بر روی یک راس مشترک نیز مجاورند. یک یال با دو سر یکسان ، طوقه و یک یال با دو سر متمایز ، یال پیوندی نامیده‌می‌شود.

اگر مجموعه راس ها و مجموعه یال های یک گراف، متناهی باشند، گراف مزبور را متناهی می نامند. گرافی را که یک راس داشته باشد بدیهی و سایر گراف ها را غیر بدیهی می نامیم.

یک گراف ساده است، اگر هیچ طوقه ای نداشته باشد و بین هر دو راس آن ، بیش از یک یال نباشد . نمادهای را به ترتیب برای نشان دادن تعداد راس ها و تعداد یال های گراف G به کار می بریم.

یکریختی گراف ها:

دو گراف Gو H همسان اند(و نوشته می شود G=H) ، اگرE(G)=E(H),V(G)=V(H) . مسلماً اگر همسان باشند، می‌توان آنها را با نمودارهای یکسانی نمایش داد. به هر حال این امکان نیز وجو دارد که دو گراف نا همسان ، نمودارهای یکسانی داشته باشند. در حالت کلی ذو گراف GوH ، یکرخت نامیده می شوند (ونوشته می شود اگر نگارشت های دو سویی وجود داشته باشند، به طوری که داشته باشیم:اگر تنها اگر . این زوج از نگارشت ها، یک یکریختی بین GوH نامیده می شود.

از طرف دیگر گراف تهی، گرافی است که هیچ یالی نداشته باشد. گراف دو بخشی ، گرافی است که می توان مجموعه راس های آن را به دو زیرمجموعه XوY چنان افراز کرد که یک سر تمام یال های آن در X و سر دیگرآنها در Y باشد. گراف دوبخشی کامل، یک گراف دوبخشی با بخش های X وY است که در آن هر راس X ،به هر راس Y وصل شده باشد. اگر گراف دو بخشی کامل را با نمایش می دهیم.

ماتریس وقوع و ماتریس مجاورت:

متناظر با هر گراف G ، یک ماتریس وجود دارد که ماتریس وقوع G نامیده می‌شود. اگر راس های G را با و یال های آن را با نمایش دهیم، آنگاه ماتریس وقوع G ، ماتریسی مانند است که در آن برابر با تعداد دفعاتی است (0،1 یا2) که بر واقع شده است. در حقیقت ماتریس وقوع یک گراف ، طریقه دیگری یرای معین نمودن آن گراف است.

راه دیگر معین نمودن یک گراف ، استفاده از مارتیس مجاورت آن است که مارتیسی است مانند و در آن برابر تعداد یال هایی است که رابه وصل می کند.

زیر گراف :

می گوئیم گراف H، زیر گراف G است (نوشته می شود) ، اگر از محدود کردن به E(H) حاصل شده باشد. اگر ولی داشته باشیم می نویسم و می گوئیم H یک زیر گراف سره از G است. اگر H یک زیر گراف G باشد، درآن صورت G را یک زبرگراف H می نامیم. در صورتی که زیر گراف (یا زبرگراف) H از G در شرط V(H)=V(G) صدق کند، آن را یک زیرگراف فراگیر(یا زبرگراف فراگیر) از G خواهیم نامید.

اگر در یک گراف تمام طوقه ها را حذف کنیم و همچنین از بین هر دو راس مجاور، تمام یال های پیوندی به جز یکی را حذف نماییم ، به زیر گراف فراگیر ساده‌ای از G می رسیم که گراف ساده زمینهG نامیده می شود.

فرض کنید ، یک زیر مجموعه ناتهی از V باشد. زیر گرافی از G که مجموعه راس های آن و مجموعه یال هایش برابر مجموعه یال هایی از Gباشد که هر دو سر آنها در واقع است، زیر گراف القاء شده توسط نامیده شده، با نمایش داده می‌شود. همچنین می گوئیم یک زیر گراف القاییG می باشد. زیر گراف القایی که با نمایش داده می شود، زیر گرافی است که با حذف راس های و یال های واقع بر آنها، از G به دست می آید. اگر به جای می نویسیم .

فرض کنید کهیک مجموعه ناتهی از E باشد. زیر گرافی از G که مجموعه راس های آن ، برابر مجموعه راس های دو سریال هایباشد، زیر گراف القاء شده توسط نامیده شده ، با نمایش داده می شود. همچنین می گوئیم یک زیرگراف القایی یالی G می باشد. زیر گراف فراگیری از G که مجموعه یال های آن باشد ، به طور ساده به صورت نوشته می شود و می توان آن را با حذف یال های از به دست آورد. به طور مشابه گرافی که با افزودن مجموعه یال های به به دست می آید، با نمایش داده می شود. اگر به جای و می نویسیم و.

درجه راس ها:

درجه راس در گراف ، برابر تعداد یال های واقع بر می باشد. در این تعریف ،هر طوقه به عنوان دو یال شمرده می شود.

کمترین و بیشترین درجه راس های G را به ترتیب با نمایش می دهیم.

اثبات:

ماتریس وقوع M را در نظر بگیرند. مجموع داریه های سطر متناظر با راس دقیقاً برابر است و بنابراین برابر مجموع تمام داریه های M می باشد که این جمع برابر است.

مسیرها :

یک گشت از G دنباله نا صفر متناهی است به طوری که جملات آن یک درمیان از راس ها ویال ها بوده و به ازای دو سر باشند. در این صورت می گوئیم w ، یک گشت از تا یا به عبارتی دیگر یک گشت است. راس های به ترتیب ابتدا و انتهای w و راس های داخلی آن نامیده می شود. همچنین عدد صحیح k را طول w می نامیم.

اگر دوگشت باشند ، گشت را که از به هم پیوستن در راس به دست می آید با نمایش می دهیم. یک قسمت از گشت ، گشتی است مانند ، که زیر دنباله ای از جملات متوالی wمی باشد و این زیر دنباله را - قسمت w می نامیم.

اگر یال های در گذشت w متمایز باشند، w یک گذرگاه نامیده می شود. در این حالت ، طول w برابر با می باشد. اگر علاوه بر یال ها ، راس های نیز متمایز باشند ، wیک مسیر نامیده می شود.

می گوئیم دو راس uو از G همبند یا متصلند، اگر یک (,u ( مسیر در G وجود داشته باشد . همبندی یک رابطه هم ارزی روی مجموعه راس های V تشکیل می‌دهد. بنابراین افرازی از V به زیر مجموعه های ناتهی وجود دارد که در آن دو راس u و همبندند اگر و تنها اگر u و هر دو متعلق به مجموعه یکسانی باشند.

زیر گراف های مولفه های G نامیده می شود. اگر گراف G دقیقاً یک مولفه داشته باشد ، همبند است و در غیر این صورت ناهمبند خواهد بود. تعداد مولفه های G را با نمایش می دهیم.

دورها:

می گوئیم یک گشت ، بسته است ، اگر طول آن مثبت بوده ابتدا و انتهای آن یکسان باشند. یک گذرگاه بسته که ابتدا و راس های داخلی آن متمایز باشند، دور نامیده می‌شود. همانند مسیرها، گاهی اوقات لفظ «دور» را به منظور اشاره به گرافی که متناظر با یک دور است به کار می بریم ، یک دور با طول kراk- دور می نامیم.

یک k- دور بسته به اینکهk زوج یا فرد باشد ، یک دور زوج یا فرد می نامیم. غالباً به 3- دور ، مثلث گفته می شود.

یک گراف ، دو بخشی است اگر و تنها اگر هیچ دور فردی نداشته باشد.


دانلود با لینک مستقیم


دانلود مقاله کامل درباره نظریه گراف و کاربرد های آن

Parallel Processing of large graphs

اختصاصی از فایلکو Parallel Processing of large graphs دانلود با لینک مستقیم و پر سرعت .

عنوان انگلیسی :  Parallel Processing of large graphs

 عنوان فارسی : پردازش موازی گراف های بزرگ

Abstract

More and more large data collections are gathered worldwide in various IT systems. Many of them possess a networked nature and need to be processed and analysed as graph structures. Due to their size they very often require the usage of a parallel paradigm for efficient computation. Three parallel techniques have been compared in the paper: MapReduce, its map-side join extension and Bulk Synchronous Parallel (BSP). They are implemented for two different graph problems: calculation of single source shortest paths (SSSP) and collective classification of graph nodes by means of relational influence propagation (RIP). The methods and algorithms are applied to several network datasets differing in size and structural profile, originating from three domains: telecommunication, multimedia and microblog. The results revealed that iterative graph processing with the BSP implementation always and significantly, even up to 10 times outperforms MapReduce, especially for algorithms with many iterations and sparse communication. The extension of MapReduce based on map-side join is usually characterized by better efficiency compared to its origin, although not as much as BSP. Nevertheless, MapReduce still remains a good alternative for enormous networks, whose data structures do not fit in local memories

 تعداد صفحات انگلیسی : 14 صفحه
 
 

چکیده

امروزه مجموعه داده‌های بزرگ و بزرگتری در سیستم‌های IT مختلف سرتاسرجهان جمع آوری می‌شود. بسیاری از آنها، یک ذات شبکه بندی شدی را پردازش کرده و نیاز به پردازش و تحلیل به عنوان ساختارهای گراف دارند. به دلیل اندازه آنها، اغلب استفاده از طرجی موازی برای محاسبه کارآمد مورد نیاز است. سه تکنیک موازی سازی در این مقاله مقایسه شده‌اند:MapReduce، گسترش آن در اتصال سمت نگاشت و موازی سازی همگام انبوه (BSP). این تکنیک‌ها برای دومسئله گراف مختلف پیاده سازی شده‌اند: محاسبه کوتاهترین مسیرها از یک مبدا (SSSP) و دسته بندی انبوه گره‌های گراف با استفاده از انتشار تاثیر نسبی (RIP). روش‌ها و الگوریتم‌ها به داده‌های شبکه متعددی با اندازه و پروفایل ساختاری مختلف اعمال شده‌اند که از سه دامنه نشأت می‌گیرند: ارتباط راه دور، رسانه و میکرووبلاگ. نتایج نشان داده‌اند که پردازش تکرارشونده گراف با پیاده سازی BSP همیشه و به طور قابل توجهی حتی تا 10 برابر و به خصوص برای الگوریتم‌هایی با تکرار زیاد و ارتباطات تنک، بهتر ازMapReduce است. گسترش MapReduce برپایه اتصال سمت نگاشت معمولا کارآیی بهتری در مقایسه با الگوریتم اصلی دارد، اگرچه به‌اندازه BSP نمی‌باشد. با این حال، MapReduce همچنان برای شبکه‌های حجیم که ساختارداده آنها در حافظه محلی جای نمی‌گیرد، جایگزینی مناسب است.

1-مقدمه

بسیاری از مسائل علمی‌و تکنیکی به داده ای با ذات شبکه مرتبط اند که می‌تواند نسبتا به سادگی با استفاده از گراف نمایش داده شود. گراف‌ها، انتزاعی انعطاف پذیر برای توصیف روابط بین اشیاء گسسته فراهم می‌کنند. بسیاری از مسائل عملی را می‌توان در محاسبات علمی، تحلیل داده و دیگر شاخه‌ها به شکل مورد نیاز با گراف مدلسازی کرده و توسط الگوریتم‌های گراف مناسب حل کرد.

در بسیاری از محیط‌ها، ساختارهای گراف آنقدر بزرگ اند که نیاز به روش‌های پردازش خاصی، به خصوص به طور موازی دارند. این مسئله به خصوص برای مجموعه داده‌های کاربران که ردپای خود را در سرویس‌های روی خط و ارتباطی مختلفی جای می‌گذارند، از جمله پورتال‌های انتشار رسانه یا سایت‌های شبکه‌های اجتماعی، یوتوب و فیسبوک، حیاتی است. به علاوه این پایگاه‌های داده، رفتار مختلف کاربر را نشان می‌دهند که نمایش گراف آنها ممکن پیچیده و همراه با چندین خط ارتباطی بین گره‌های شبکه باشد. این مسئله نیاز به روش‌های تحلیلی دارد که نه تنها با گراف‌های ساده بلکه با گراف‌های چندگانه و فراگراف‌ها دست وپنجه نرم کنند...

تعداد صفحات ترجمه فارسی : 40 صفحه


دانلود با لینک مستقیم


Parallel Processing of large graphs

آموزش و حل مدل ترکیبی QFD,DEA با رویکرد راسل گراف در سیستم بهداشت و درمان توسط نرم افزار لینگو

اختصاصی از فایلکو آموزش و حل مدل ترکیبی QFD,DEA با رویکرد راسل گراف در سیستم بهداشت و درمان توسط نرم افزار لینگو دانلود با لینک مستقیم و پر سرعت .

در این فایل روش پیاده سازی شده در عنوان و مقاله ی زیر :

A combination of QFD and imprecise DEA with enhanced Russell

graph measure: A case study in healthcare

به آدرس:

http://www.sciencedirect.com/science/article/pii/S0038012113000347

توسط نرم افزار لینگو در بهداشت و درمان توضیح داده شده است. با این فایل می توانید مدل یاد شده را بعنوان تحقیق در سایر حوزه ها استفاده کنید.


دانلود با لینک مستقیم


آموزش و حل مدل ترکیبی QFD,DEA با رویکرد راسل گراف در سیستم بهداشت و درمان توسط نرم افزار لینگو

سمینار ارشد عمران استفاده از گراف ها در تشخیص الگوها

اختصاصی از فایلکو سمینار ارشد عمران استفاده از گراف ها در تشخیص الگوها دانلود با لینک مستقیم و پر سرعت .

سمینار ارشد عمران استفاده از گراف ها در تشخیص الگوها


سمینار ارشد عمران استفاده از گراف ها در تشخیص الگوها
 
 
 
 
استفاده از گراف ها در تشخیص الگوها

Pattern Recognition Using Graph Theory

 
 
 

چکیده :

pattern recognition علمی است که به توصیف و کلاسه بندی و تشخیص اشیا مختلف

می پردازد . یکی از روش های مختلف برای  تشخیص الگو تشخیص الگوی ساختاری است

که در آن از تئوری گراف برای توصبف  اجسام موجود استفاده می شود . باز نمایی داده ها

و اشیا توسط گراف ها ما را به سمت الگوریتم های تطبیق گراف سوق می دهند . در این

سمینار قصد داریم الگوریتم های شناسایی الگو با گراف ها و دسته بندی های موجود

در این رابطه را مورد بررسی قرار دهیم . روش های موجود عبارتند از الگوریتم های بهینه 

الگوریتم های تقریب الگوریتم های مقاوم در برابر خطا و جستجوی شاخص دار .

الگوریتم های بهینه همیشه بهترین تطابق را استخراج می کنند ولی پیچیدگی زمانی

بسیار  بالایی دارند . در روش های تقریب تضمینی  در مورد بهینه بودن جواب وجود

ندارد در عوض زمان محاسبه و رسیدن به تطابق مورد نظر بسیار کوتاهتر می باشد .

روش های مقاوم در برابر خطا کاربرد بیشتری در محیط های واقعی و نویزی دارند .

الگوریتم های  تطبیق گراف را می توان برای stero vision  تشخیص  داد سازمان دهی

مدل های بانک اطلاعاتی و غیره بکار برد .

مقدمه :

تشخیص الگو در برگیرنده دو عمل اساسی و مهم می باشد : توصیف و دسته بندی

وقتی یک جسم  ناشناخته را به عنوان ورودی به سیستم می دهیم ابتدا یک توصیف

از این جسم تولید می شود . دو راه کار کلی برای پیاده سازی سیستم مهای تشخیص

الو وجود دارد .

1. تشخیص الگوی آماری

2. تشخیص ساختاری

هر کدام از این دو روش تکنیک های متفاوتی را برای عمل توصیف و کلاسه بندی به کار

می برند . روش ها ی آماری با استفاده از تئوری های تصمیم گیری و براساس ویژگی های

کمیتی استخراج شده از  ورودی فرایند کلاسه بندی را انجام می دهند . روش های

ساختاری بر مبنای ویژگی های شکل شناسی و خصوصیات ساختاری جسم و نحوه

ارتباط آنها باهم عمل توصیف ورودی و تشخیص گروه مربوط به آن را پیاده سازی می کنند .

تعداد صفحه :63


دانلود با لینک مستقیم


سمینار ارشد عمران استفاده از گراف ها در تشخیص الگوها