{"id":1112,"date":"2023-04-05T16:01:58","date_gmt":"2023-04-05T13:01:58","guid":{"rendered":"https:\/\/legendhomework.com\/tr\/?p=1112"},"modified":"2023-04-05T16:01:58","modified_gmt":"2023-04-05T13:01:58","slug":"algoritmalar-multimedya-bolumu-multimedya-bolumu-odevleri-multimedya-bolumu-tez-yaptirma-multimedya-bolumu-odev-ucretleri","status":"publish","type":"post","link":"https:\/\/legendhomework.com\/tr\/algoritmalar-multimedya-bolumu-multimedya-bolumu-odevleri-multimedya-bolumu-tez-yaptirma-multimedya-bolumu-odev-ucretleri\/","title":{"rendered":"\u00a0Algoritmalar \u2013 Multimedya B\u00f6l\u00fcm\u00fc \u2013 Multimedya B\u00f6l\u00fcm\u00fc \u00d6devleri \u2013 Multimedya B\u00f6l\u00fcm\u00fc Tez Yapt\u0131rma \u2013Multimedya B\u00f6l\u00fcm\u00fc \u00d6dev \u00dccretleri"},"content":{"rendered":"

\u00a0Algoritmalar<\/span><\/strong><\/h3>\n

Karar a\u011fac\u0131, etiketlenmemi\u015f tek bir k\u00f6k d\u00fc\u011f\u00fcmden ba\u015flayarak olu\u015fturulur. Bu k\u00f6k d\u00fc\u011f\u00fcm\u00fcn birinci d\u00fczey torunlar\u0131, her bir benzersiz, tek \u00f6\u011feli sat\u0131r s\u00fctun \u00f6\u011fesiyle ark etiketlidir. Toplamda alt\u0131 olas\u0131 perm\u00fctasyon vard\u0131r; ancak, yaln\u0131zca iki benzersiz tek \u00f6\u011feli sat\u0131r-s\u00fctun \u00f6\u011fesi vard\u0131r.<\/span><\/p>\n

Bu nedenle, a ve b etiketli yaylarla k\u00f6k d\u00fc\u011f\u00fcmden iki alt \u00f6\u011fe vard\u0131r. Bu d\u00fc\u011f\u00fcmlerin her birinden sonraki olas\u0131 her sat\u0131r-s\u00fctun eleman\u0131 i\u00e7in bir yay eklenerek a\u011fa\u00e7 devam ettirilir.<\/span><\/p>\n

B\u00f6ylece, b etiketli yaydan, biti\u015fik matrisler aras\u0131nda \u00fc\u00e7 olas\u0131 sonraki sat\u0131r-s\u00fctun eleman\u0131 vard\u0131r, bu nedenle \u00fc\u00e7 alt \u00f6\u011fe vard\u0131r. S\u00fcre\u00e7, g\u00f6sterildi\u011fi gibi, model ve perm\u00fctasyonlar\u0131 a\u011fac\u0131n yapraklar\u0131 olacak \u015fekilde, a\u011fa\u00e7 olas\u0131 t\u00fcm biti\u015fik matrisleri ifade edene kadar devam eder.<\/span><\/p>\n

Ayn\u0131 s\u00fcre\u00e7 kullan\u0131larak karar a\u011fac\u0131na ek grafikler eklenebilir, gerekti\u011finde yeni d\u00fc\u011f\u00fcmler ve yaylar olu\u015fturulabilir. \u0130zomorfik alt \u00e7izgeleri payla\u015fan \u00e7izgelerin avantaj\u0131, payla\u015f\u0131lan her bir alt \u00e7izgenin a\u011fa\u00e7ta yaln\u0131zca bir kez temsil edilmesiyle hemen g\u00f6r\u00fcl\u00fcr. Bunun basit bir \u00f6rne\u011fi, {C} ve {F} matrislerini temsil eden d\u00fc\u011f\u00fcmlerin atas\u0131 olarak bir d\u00fc\u011f\u00fcm\u00fcn kullan\u0131ld\u0131\u011f\u0131 g\u00f6r\u00fclmektedir.<\/span><\/p>\n

Bir giri\u015f grafi\u011finden (GI) model grafiklere (Mi) izomorfizmlerin tespiti, giri\u015f grafi\u011fini temsil eden kom\u015fuluk matrisi kullan\u0131larak ger\u00e7ekle\u015ftirilir. GI’yi olu\u015fturan sat\u0131r-s\u00fctun \u00f6\u011feleri, iki sonland\u0131rma ko\u015fulundan biriyle kar\u015f\u0131la\u015f\u0131l\u0131ncaya kadar karar a\u011fac\u0131n\u0131n yaylar\u0131nda gezinmek i\u00e7in kullan\u0131l\u0131r.<\/span><\/p>\n

Sonland\u0131rma ko\u015fullar\u0131 \u015funlard\u0131r:<\/span><\/strong><\/p>\n

1. GI matrisinin t\u00fcm sat\u0131r-s\u00fctun elemanlar\u0131 bir yayda gezinmek i\u00e7in kullan\u0131lm\u0131\u015ft\u0131r.<\/span>
\n2. GI’dan bir sonraki sat\u0131r-s\u00fctun eleman\u0131yla e\u015fle\u015fen bir sat\u0131r-s\u00fctun eleman\u0131 ile etiketlenmi\u015f ge\u00e7erli d\u00fc\u011f\u00fcmden inen bir yay yoktur.<\/span><\/p>\n

\u0130lk sonland\u0131rma ko\u015fuluyla kar\u015f\u0131la\u015f\u0131l\u0131rsa, ula\u015f\u0131lan son d\u00fc\u011f\u00fcmle ili\u015fkili t\u00fcm modellerin GI giri\u015fine izomorfik bir alt grafi\u011fi vard\u0131r. \u0130kinci sonland\u0131rma ko\u015fulu, GI girdisinden karar a\u011fac\u0131nda temsil edilen modellerin hi\u00e7birine alt \u00e7izge izomorfizmi olmad\u0131\u011f\u0131n\u0131 g\u00f6sterir.<\/span><\/p>\n

Karar a\u011fac\u0131 taraf\u0131ndan grafik ve alt grafik izomorfizm tespiti, giri\u015f grafiklerinin \u00e7evrimi\u00e7i s\u0131n\u0131fland\u0131rmas\u0131 i\u00e7in son derece h\u0131zl\u0131 bir algoritma sa\u011flar. Bununla birlikte, hesaplama karma\u015f\u0131kl\u0131\u011f\u0131 olumlu olsa da, uzay karma\u015f\u0131kl\u0131\u011f\u0131 en b\u00fcy\u00fck dezavantajd\u0131r.<\/span><\/p>\n

Tam bir karar a\u011fac\u0131 i\u00e7in elde edilebilecek en iyi uzay karma\u015f\u0131kl\u0131\u011f\u0131 O(L | lv | (1 + | le |2)n)’dir. Burada L, veri taban\u0131ndaki modellerin say\u0131s\u0131, lv, farkl\u0131 k\u00f6\u015fe etiketlerinin say\u0131s\u0131, le, farkl\u0131 kenar etiketlerinin say\u0131s\u0131 ve n, model grafiklerindeki k\u00f6\u015felerin say\u0131s\u0131d\u0131r. Algoritman\u0131n uygulanabilirli\u011fi \u00fczerindeki k\u0131s\u0131tlamalarla karar a\u011fac\u0131n\u0131 budamak i\u00e7in kullan\u0131labilen bir dizi bulu\u015fsal y\u00f6ntem vard\u0131r.<\/span><\/p>\n

\n

Algoritma<\/a> Nedir \u00d6rnekleri<\/span>
\nAlgoritma \u00d6rnekleri<\/span>
\nAlgoritma cesitleri<\/span>
\nAlgoritma Nedir K\u0131saca<\/span>
\nalgoritma <\/span>
\nAlgoritma PDF<\/span>
\nAlgoritma c\u00fcmle i\u00e7inde kullan\u0131m\u0131<\/span>
\nVeri Yap\u0131lar\u0131 ve Algoritmalar – PDF<\/span><\/p>\n

\n

Etiket say\u0131s\u0131n\u0131n s\u0131n\u0131rl\u0131 oldu\u011fu uygulamalar i\u00e7in karar a\u011fac\u0131 algoritmas\u0131, O(n2) zaman\u0131nda girdi ile model veritaban\u0131 aras\u0131ndaki \u00e7izge ve alt \u00e7izge izomorfizmlerini saptar; burada n, girdideki k\u00f6\u015fe say\u0131s\u0131d\u0131r.<\/span><\/p>\n

Bu nedenle hesaplama karma\u015f\u0131kl\u0131\u011f\u0131, hem veri taban\u0131ndaki model say\u0131s\u0131ndan hem de modellerdeki k\u00f6\u015fe say\u0131s\u0131ndan ba\u011f\u0131ms\u0131zd\u0131r. Bu, genellikle tam e\u015fbi\u00e7imlilik tespitine uygulanan algoritmayla, O(Lmnn2) hesaplama karma\u015f\u0131kl\u0131\u011f\u0131na sahip Ullman algoritmas\u0131yla iyi kar\u015f\u0131la\u015ft\u0131r\u0131l\u0131r; m, modellerdeki k\u00f6\u015fe say\u0131s\u0131d\u0131r.<\/span><\/p>\n

Karar a\u011fac\u0131 algoritmas\u0131, daha \u00f6nce belirtildi\u011fi gibi, tam grafik ve alt grafik izomorfizm tespiti i\u00e7in h\u0131zl\u0131 bir \u00e7\u00f6z\u00fcm sunsa da, bir veritaban\u0131nda genellikle tam e\u015fle\u015fmeler yoktur. Daha s\u0131kl\u0131kla g\u00f6rev, sorgunun kademeli olarak iyile\u015ftirilmesine izin vermek i\u00e7in en iyi tam olmayan e\u015fle\u015fmeleri tespit etmektir.<\/span><\/p>\n

Messmer ve Bunke taraf\u0131ndan \u00f6nerilen karar a\u011fac\u0131 algoritmas\u0131n\u0131n yararl\u0131, kesin olmayan izomorfizm saptama y\u00f6ntemi yoktur. Bir sonraki b\u00f6l\u00fcm, benzerlik \u00f6l\u00e7\u00fcs\u00fc olarak LCSG’yi kullanan orijinal algoritman\u0131n, kesin olmayan e\u015fbi\u00e7imlilik tespitine y\u00f6nelik bir uzant\u0131s\u0131n\u0131 sunar. Bu algoritma, g\u00f6r\u00fcnt\u00fc ve video veritabanlar\u0131nda en s\u0131k bulunan benzerlik bulma g\u00f6revi i\u00e7in \u00e7ok uygundur.<\/span><\/p>\n

Karar A\u011fac\u0131 Tabanl\u0131 LCSG Algoritmas\u0131<\/span><\/strong><\/h3>\n

Geleneksel algoritmalar taraf\u0131ndan iki grafik aras\u0131ndaki en b\u00fcy\u00fck ortak alt grafi\u011fin saptanmas\u0131, her iki grafi\u011fin k\u00f6\u015fe say\u0131s\u0131nda \u00fcstel olan hesaplama karma\u015f\u0131kl\u0131\u011f\u0131na sahiptir. Model grafiklerinden olu\u015fan bir veritaban\u0131 ve bir girdi verildi\u011finde, bu, model say\u0131s\u0131n\u0131n do\u011frusal fakt\u00f6r\u00fc ile birle\u015ftirilir.<\/span><\/p>\n

\u00d6nceki b\u00f6l\u00fcmde sunulan karar a\u011fac\u0131 algoritmas\u0131, bir girdi grafi\u011fi ile bir model grafikleri veritaban\u0131 aras\u0131nda LCSG’nin h\u0131zl\u0131 bir \u015fekilde alg\u0131lanmas\u0131n\u0131 sa\u011flar, bu da h\u0131zl\u0131 y\u00fcr\u00fctmeyi s\u00fcrd\u00fcr\u00fcrken \u00e7ok say\u0131da izomorfizmi alg\u0131lamay\u0131 m\u00fcmk\u00fcn k\u0131lar. Bir giri\u015f grafi\u011fi ile bir model grafik veritaban\u0131 aras\u0131ndaki LCSG’nin saptanmas\u0131 i\u00e7in burada sunulan algoritma bu yakla\u015f\u0131m\u0131 benimser.<\/span><\/p>\n

Karar a\u011fac\u0131 algoritmas\u0131 ba\u015far\u0131s\u0131zl\u0131kla sona erdi\u011finde, karar a\u011fac\u0131nda bir yaydan a\u015fa\u011f\u0131 inmek i\u00e7in kullan\u0131lmam\u0131\u015f bir veya daha fazla sat\u0131r-s\u00fctun eleman\u0131 olacakt\u0131r. En basit durumda, ba\u015far\u0131s\u0131zl\u0131\u011f\u0131n nedeni olan b\u00f6yle bir sat\u0131r-s\u00fctun eleman\u0131 olacakt\u0131r.<\/span><\/p>\n

Bununla birlikte, bir\u00e7ok durumda, ba\u015far\u0131s\u0131zl\u0131\u011fa neden olan\u0131n alt\u0131nda ba\u015fka sat\u0131r-s\u00fctun \u00f6\u011feleri olacakt\u0131r ve bu sat\u0131r-s\u00fctun \u00f6\u011felerinden bir veya daha fazlas\u0131n\u0131n daha a\u015fa\u011f\u0131 inmek i\u00e7in kullan\u0131lmas\u0131 m\u00fcmk\u00fcnd\u00fcr.<\/span><\/p>\n

Karar a\u011fac\u0131na g\u00f6re s\u0131n\u0131fland\u0131r\u0131ld\u0131\u011f\u0131nda yaln\u0131zca ilk sat\u0131r-s\u00fctun \u00f6\u011fesiyle e\u015fle\u015fen bir biti\u015fiklik matrisini g\u00f6sterir. \u0130kinci sat\u0131r-s\u00fctun \u00f6\u011fesi i\u00e7in e\u015fle\u015fme yok; ancak matris, ikinci ve \u00fc\u00e7\u00fcnc\u00fc sat\u0131r-s\u00fctun \u00f6\u011feleri de\u011fi\u015ftirilecek \u015fekilde de\u011fi\u015ftirilirse, iki sat\u0131r-s\u00fctun \u00f6\u011fesi e\u015fle\u015ftirilebilir.<\/span><\/p>\n

A\u00e7\u0131k\u00e7a, kullan\u0131lan girdi kom\u015fuluk matrisinin en b\u00fcy\u00fck b\u00f6l\u00fcm\u00fcn\u00fc temsil eden karar a\u011fac\u0131ndaki en derin ini\u015f, belirli girdi grafi\u011fi ve model veritaban\u0131 i\u00e7in m\u00fcmk\u00fcn oldu\u011fu kadar \u00e7ok k\u00f6\u015fe kullanarak bir alt \u00e7izge izomorfizmi verir. Bu, girdi ile veritaban\u0131ndaki modeller aras\u0131ndaki bir LCSG’dir.<\/span><\/p>\n

B\u00f6yle bir en derin d\u00fc\u015f\u00fc\u015f\u00fc belirlemek i\u00e7in, giri\u015f biti\u015fiklik matrisini, kullan\u0131lamayan sat\u0131r-s\u00fctun \u00f6\u011feleri matrisin sa\u011f alt k\u00f6\u015fesinde olacak \u015fekilde de\u011fi\u015ftirmek gerekir.<\/span><\/p>\n

Bunu ba\u015farmak i\u00e7in, biti\u015fiklik matrisi m\u00fcmk\u00fcn oldu\u011fu kadar derinlemesine s\u0131n\u0131fland\u0131r\u0131l\u0131r, ard\u0131ndan ar\u0131zaya neden olan sat\u0131r-s\u00fctun eleman\u0131, matristeki son sat\u0131r-s\u00fctun eleman\u0131 konumuna g\u00f6re de\u011fi\u015ftirilir. Ayn\u0131 sat\u0131r-s\u00fctun \u00f6\u011fesini e\u015fle\u015ftirmek i\u00e7in tekrarlanan giri\u015fimleri \u00f6nlemek i\u00e7in, girdideki kullan\u0131labilir k\u00f6\u015felerin say\u0131s\u0131 i\u00e7in ge\u00e7ici bir saya\u00e7 tutulur.<\/span><\/p>\n

Bu saya\u00e7, mevcut k\u00fcmeden bir sat\u0131r-s\u00fctun eleman\u0131 de\u011fi\u015ftirildi\u011finde her seferinde azalt\u0131l\u0131r. Bir noktada, olas\u0131 t\u00fcm e\u015fle\u015fen sat\u0131r-s\u00fctun \u00f6\u011feleri a\u011fac\u0131n a\u015fa\u011f\u0131s\u0131na inmek i\u00e7in kullan\u0131lm\u0131\u015f olacakt\u0131r. Bu noktada giri\u015f kom\u015fuluk matrisi g\u00f6sterildi\u011fi gibi iki par\u00e7aya b\u00f6l\u00fcn\u00fcr.<\/span><\/p>\n

\n\n
<\/div>\n\n<\/div>\n \n