Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
C urs stables de communautés dans les graphes de terrain
Academiques - EAN : 9783838171043
Édition papier
EAN : 9783838171043
Paru le : 12 sept. 2012
49,00 €
46,45 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783838171043
- Réf. fournisseur : 5793626
- Editeur : Academiques
- Date Parution : 12 sept. 2012
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 156
- Format : H:229 mm L:152 mm E:9 mm
- Poids : 239gr
- Interdit de retour : Retour interdit
- Résumé : Dans de nombreux contextes, des ensembles d'entités en relation peuvent être modélisés par des graphes, dans lesquels les entités individuelles sont représentées par des sommets et les relations entre ces entités par des liens. Ces graphes, que nous appellerons "graphes de terrain", peuvent être rencontrés dans le monde réel dans différents domaines tels que les sciences sociales, l'informatique, la biologie, le transport, la linguistique, etc. La plupart des graphes de terrain sont composés de sous-graphes denses faiblement inter-connectés appelés communautés et de nombreux algorithmes ont été proposés afin d'identifier cette structure communautaire automatiquement. Nous nous sommes intéressés aux problèmes des algorithmes de détection de communautés, notamment leur non-déterminisme et l'instabilité qui en découle. Nous avons présenté une méthodologie qui permets d'améliorer les résultats obtenus avec les techniques actuelles de détection de communautés. Nous avons proposé une approche basée sur le concept de communautés fortes ou coeurs de communautés et nous avons montré l'amélioration apportée par notre approche en l'appliquant à des graphes réels et artificiels.
