(۳-۳)
تعداد همسایه های مشترک
یکی از موارد تاثیرگذار بر امکان ایجاد لینک بین دو نود نوعی , (که لینکی بینشان وجود ندارد) تعداد همسایه های مشترک بین دو نود , می باشد. اگر مجموعه ی همسایه های نود را با و مجموعه همسایه های نود را با نشان دهیم. تعداد همسایه های مشترک بین نودهای , را با نمایش داده و از رابطه ی ۳-۴ بدست می آید.
(۳-۴)
هر چه مقدار بیشتر باشد احتمال اینکه دو نود , به هم لینک شوند بیشتر می شود.
شاخص ارتباط ترجیحی
به تعداد یالهای ورودی و خروجی هر نود درجه ی نود گویند. در حوزه ی کاری ما درجه ی نود تعداد همسایه های گره را مشخص می کند. هر چه تعداد همسایه های نود و نود بیشتر باشد، احتمال ایجاد لینک بین این نودها بیشتر خواهد بود. از این رهیافت معمولا با نام ارتباط ترجیحی (PA) یاد می کنند. نحوه ی محاسبه ی شاخص ارتباط ترجیحی به صورت رابطه ی ۳-۵ می باشد.
( ۳-۵ )
در رابطه ی ۳-۵، تعداد همسایه های نود را نشان می دهد و تعداد همسایه های نود را مشخص می کند.
شاخص جاکارد
شاخص جاکارد برای تعیین شباهت دو نود استفاده می شود. هر چه دو نود تعداد همسایه های مشترک بیشتری داشته باشند و تعداد همسایه های غیر مشترک کمتری داشته باشند احتمال اینکه لینکی بینشان ایجاد شود، بیشتر خواهد بود. شاخص جاکارد را به صورت رابطه ی ۳-۶ قابل محاسبه است.
( ۳-۶ )
در رابطه ی ۳-۶ مجموعه ی همسایه های نود و مجموعه همسایه های نود را نشان می دهد. هم نشان دهنده ی شاخص جاکارد می باشد. شاخص جاکارد همواره مقداری بین صفر و یک دارد. هر چه مقدار شاخص به ۱ نزدیکتر باشد احتمال اینکه لینکی بین دو نود , ایجاد شود، بیشتر خواهد بود.
۳-۲-۲- فازی سازی پارامترهای ورودی سیستم فازی پیشنهادی
فازی سازی پارامترهای ورودی پیشنهادی مشابه یکدیگر می باشد و برای فازی سازی پارامترهای ورودی سیستم فازی از توابع تعلق فازی ساز مثلثی استفاده می نماییم. شکل ۳-۴ نمونه ای از تابع تعلق مثلثی مورد استفاده را نمایش می دهد.
همانطور که در شکل ۳-۴ مشخص است تابع تعلق فازی مربوط به یک پارامتر ورودی دارای سه مقدار فازی “کم” ،”متوسط” و “زیاد”می باشد. مقادیر بسته به نوع پارامتر و نوع شبکه تعریف می شوند.
شکل ۳-۴- توابع تعلق مربوط به پارامترهای ورودی
فرض کنید برای پارامتر ورودی “تعداد همسایگان مشترک” مقدار متغیرهای به ترتیب برابر ۵، ۸، ۱۰، ۱۳، ۱۶، ۱۸ و ۲۰ باشد. هر ورودی فرضی بوسیله ی این تابع تعلق می تواند دارای مقادیر فازی “کم”, “متوسط” و “زیاد” بوده و دارای درجه عضویتی بین ۰ تا ۱ باشد به عنوان مثال برای دو گره نوعی , که ۶ همسایه ی مشترک دارند، پارامتر ورودی “تعداد همسایه های مشترک”در مقدار فازی “کم” دارای درجه عضویت ۰٫۷ است و در مقدارهای فازی “متوسط” و “زیاد” دارای درجه عضویت صفر می باشد. این مثال در شکل ۳-۵ نشان داده شده است.
شکل ۳-۵- تابع تعلق تعداد همسایه های مشترک به ازای CNxy=6
۳-۲-۳- قوانین پایگاه دانش سیستم فازی
قوانین پایگاه دانش سیستم فازی در واقع روابطی هستند که بین ورودی های سیستم فازی و خروجی آن رابطه برقرار می کنند. به بیان دیگر این قوانین پایگاه دانش هستند که تعیین می کنند بر مبنای مقادیر پارامترهای ورودی چه مقدار خروجی باید تولید شود.
در سیستم فازی پیشنهادی ما، قوانین پایگاه دانش مشخص می کنند که به ازای مقادیر سه پارامتر ورودی هر سیستم میزان احتمال ایجاد لینک جدید بین دو نود نوعی, چقدر است.
قوانین سیستم فازی پیشنهادی اول که شامل سه پارامتر ورودی ” تعداد همسایگان مشترک” ، ” شاخص RA” و “اختلاف میانگین وزن یال های بین هر نود و همسایگان مشترک آن دو نود” می باشد در جدول ۳-۱ و قوانین سیستم فازی پیشنهادی دوم که شامل سه پارامتر “تعداد همسایه های مشترک”، “شاخص ارتباط ترجیحی ” و “شاخص جاکارد” می باشد، در جدول ۳-۲ نشان داده شده است.
جدول ۳-۱- قوانین پایگاه دانش سیستم فازی پیش بینی لینک اول

شماره
قانون
قانون
۱ اگر تعداد همسایه های مشترک “کم” باشد، شاخص RA “کم” باشد و “شاخص اختلاف میانگین وزن یال ها” زیاد” باشد آنگاه احتمال ایجاد لینک جدید “خیلی کم” است.
۲ اگر تعداد همسایه های مشترک “کم” باشد، شاخص RA “متوسط” باشد و “شاخص اختلاف میانگین وزن یال ها” متوسط” باشد آنگاه احتمال ایجاد لینک جدید “کم” است.
۳
دانلود متن کامل این پایان نامه در سایت abisho.ir