عنوان پایان‌نامه
ارزیابی معیارهای مرکزیت در ایمن سازی شبکه های اجتماعی وزن دار در برابر بیماری های همه گیر
- رشته تحصیلی
- مهندسی فناوری اطلاعات پزشکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73785;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73785
- تاریخ دفاع
- ۱۴ بهمن ۱۳۹۳
- دانشجو
- مریم اشکپورمطلق
- استاد راهنما
- زینب الهدی حشمتی رفسنجانی, محمد خوانساری
- چکیده
- ایمن‌سازی و ایجاد مصونیت در اجتماع در برابر بیماری‌ها یکی از الزامات موجود برای هر جامعه‌ای است. واکسیناسیون روشی مناسب و متداول برای ایمن‌سازی جامعه و پیشگیری از شیوع بیماری‌های همه‌گیر و مزمن می‌باشد. روش‌های مختلفی برای شناسایی افراد موثر در پخش بیماری و واکسینه کردن این افراد بوجود آمده است. ظهور مدل همه‌گیری شبکه‌ای و امکان حذف گره‌های ایمن شده در این مدل، نشان داد که این مسئله معادل با پیدا کردن مجموعه محدود و یا کمینه‌ای از افراد است که حذف آن‌ها، تعداد افراد در معرض خطر ابتلا به بیماری را حداقل می‌نماید. در شبکه‌های مختلف ارتباط بین گره‌ها را با یال نشان می‌دهند. این ارتباط برای هر زوج گره می‌تواند مختلف باشد که برای نمایش این تفاوت وزنی بر روی هر یال قرار داده می‌شود که نشان دهنده میزان تعامل دو گره متصل شده توسط آن یال است. این شبکه‌ها را شبکه‌های وزن‌دار می‌نامند. در این پایان‌نامه ما بر روی این شبکه‌ها کار می‌کنیم و وزن یال‌ها در شبکه‌های اجتماعی وزن‌دار را میزان ارتباط هر دو گره با یکدیگر در نظر می‌گیریم. روشی که در این پایان‌نامه به آن می‌پردازیم، شناسایی افراد مهم و موثر در شبکه‌های اجتماعی وزن‌دار از طریق مفهوم معیار مرکزیت است. در این شیوه با استفاده از معیارهای گوناگون مرکزیت افراد درون جامعه را برحسب اهمیت آن‌ها با واکسینه کردن حذف می‌کنیم تا جایی که امکان همه‌گیری در شبکه تا حد امکان کاهش یابد. ما در این پایان‌نامه ابتدا پس از بررسی مرکزیت‌های موجود برای شبکه‌های وزن‌دار، به تعریف یک الگوی جدید برای ایجاد مرکزیت‌های جدید برای شبکه‌های وزن‌دار می‌پردازیم. سپس بر اساس این الگوی جدید چهار معیار مرکزیت جدید تعریف می‌نماییم. در ادامه کار به مقایسه معیارهای تعریف شده قبلی و مرکزیت‌های جدید ارائه شده می‌پردازیم و بهترین معیار را شناسایی می‌نماییم. برای مقایسه از دو معیار ساختاری بزرگترین مولفه همبند و آستانه همه‌گیری برای شبکه استفاده می‌کنیم. همچنین این مقایسات را برای سه نوع شبکه مقیاس‌آزاد، تصادفی و دنیای کوچک و همچنین یک شبکه واقعی انجام می‌دهیم. در ادامه نیز مرکزیت ترکیبی را ارائه و برای حذف گره‌ها استفاده نموده و نتایج را در کنار سایر معیارهای مرکزیت مقایسه می‌کنیم. با توجه به نتایج بدست آمده، مشاهده شد که معیارهای ترکیبی شعاعی-درجه و زیرگراف-
- Abstract
- Immunization against the disease is one of the basic requirements for every community. Vaccination is a common way to immune a community and prevent spreading a disease. Considering the growing population of the community, existent limitations and cost of mass vaccination, scientists are trying to find an effective way to decrease the cost of vaccination and yet to immune the whole community with these limited sources. So several ways has been created to recognize persons who are effective to spread disease and vaccinate them. The emergence of network epidemic model and the ability of removing immunized nodes, showed us that this problem is equal to the problem of finding a finite set of nodes that removing of them could decrease the chance of occurrence of epidemic. The method we use here is to recognize effective nodes of the social network by using the concept of centrality for three different kinds of networks: free scale, random and small world. We use centrality measures to score the nodes and by vaccinating a specific number of nodes with the highest scores. The results will show which centrality measures could minimize the probability of epidemic faster. The results shows that our proposed hybrid centrality measure “radiality-degree” works better than other measures in free scale networks. Keywords: Immunization, Vaccination, Social network, Centrality, Hybrid centrality.
