INVESTIGATION OF ROBUSTNESS BASED CLUSTERING FOR NETWORKS. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Ahmed Mohammed-Thesis-201192130.pdf - Accepted Version Restricted to Repository staff only until 3 March 2021. Download (2MB)

Arabic Abstract

تعد دراسة الشبكات الاجتماعية مجالًا جديدًا متعدد الاختصاصات سريع الاتساع يشمل العلوم الاجتماعية والرياضية والإحصائية وعلوم الكمبيوتر. تعتبر الشبكات الاجتماعية مهمة بسبب المعلومات الواسعة التي يمكن استخراجها من أداء أدوات تحليل الشبكات الاجتماعية. تعد متانة الشبكة مجالًا مهمًا من الأبحاث لضمان احتفاظ الشبكة بوظيفتها حتى من خلال الفشل العشوائي أو الهجمات المستهدفة. مع ملاحظة أهمية المتانة ونطاقها الواسع من التطبيقات ، فإن التركيز على دراسة خصائص الشبكة الاجتماعية وعلاقتها بمتانة بنية الشبكة يعطي هدفًا واضحًا في إيجاد طريقة لتعزيز متانة الشبكة وتحديد أنماط معينة يمكن أن تتبنى عالية هياكل شبكة قوية. تم تحديد مقاييس المتانة ومقارنتها لتحديد أفضل مقياس قابل للتطبيق والذي تم استخدامه بعد ذلك لتحليل تأثير المركزية وإزالة العقد المؤثرة على متانة الشبكة ككل. بعض هياكل وأنماط المتانة مثل شبكات البصل المحيطي وشبكات البصل المتنوعة. ثم يتم إجراء تحليل المتانة على المخططات الفرعية مع امتداد جديد لتعريف المتانة الذي يتم تطبيقه على الشبكات التجريبية. تم اختباره على خوارزميات التجميع المختلفة لمقارنة متانة الكتل مقارنة بخوارزمية متطورة للتكتل القائم على المتانة.

English Abstract

The study of social networks is a new but quickly widening multi-disciplinary area involving social, mathematical, statistical, and computer sciences. Social networks are important because of the vast information that can be extracted from performing social network analysis (SNA) tools. Network robustness is a very important field of research to ensure a network keeps its functionality even through random failure or targeted attacks. Noticing the importance of robustness and its wide scope of applications, the focus on the study of the social network’s characteristics and its relation to robustness of network structure gives a clear aim in finding a method to enhance network robustness and identify specific patterns that can adopt high robust network structures. Robustness measures were defined and compared to identify the best applicable measure that was then used to analyze the impact of centrality and the removal of influential nodes on the robustness of a network as a whole. Some robustness structures and patterns like core-periphery and assortative onion networks were analyzed with variable network parameters to measure their effect on robust network design. Robustness analysis is then conducted on subgraphs with a new extension of the robustness definition which is applied to empirical networks. It is tested on different clustering algorithms to compare robustness of clusters to other developed algorithm for robustness-based clustering. The proposed clustering methodology performs superior on applied datasets.

Item Type:	Thesis (Masters)
Subjects:	Computer Systems Research Research > General
Department:	College of Computing and Mathematics > lndustrial and Systems Engineering
Committee Advisor:	Dr. Pirim, Harun
Committee Members:	Dr. Kara, AbdulQadar and Dr. Selim, Shokri
Depositing User:	AHMED ABDULLAH (g201192130)
Date Deposited:	03 Mar 2020 07:52
Last Modified:	03 Mar 2020 07:52
URI:	http://eprints.kfupm.edu.sa/id/eprint/141471