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.
Détection de communautés dans les réseaux dynamiques
Univ Europeenne - EAN : 9786131560750
Édition papier
EAN : 9786131560750
Paru le : 15 oct. 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 : 9786131560750
- Réf. fournisseur : 5057878
- Editeur : Univ Europeenne
- Date Parution : 15 oct. 2012
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 140
- Format : H:220 mm L:150 mm
- Poids : 216gr
- Interdit de retour : Retour interdit
- Résumé : La plupart des graphes de terrain ont une structure particulière dans laquelle les noeuds sont organisés suivant des groupes, appelés communautés, avec beaucoup de connexions internes mais peu entre eux. L'identification des communautés apporte un éclairage nouveau sur la structure du graphe et est importante dans de nombreux contextes. Elle a, par exemple, déjà été utilisée pour la visualisation de graphes et pour étudier différents types de réseaux comme des réseaux sociaux ou biologiques. Nous allons étudier cette structure dans le cas des réseaux dynamiques afin de comprendre comment évoluent les groupes. Pour cela, nous allons suivre deux approches. La première consiste à suivre des communautés au cours du temps en les détectant à chaque instant et en suivant leur évolution. La deuxième approche consiste à détecter la structure communautaire non pas juste pour un instant mais pour une période donnée appelée la fenêtre de temps. Nous finirons par présenter des applications à la détection d'événements sur Internet et la segmentation de vidéos.
- Biographie : Thomas Aynaud effectue actuellement de la recherche et développement en machine-learning. Il a effectué avant cela un doctorat en informatique à l'université Pierre et Marie Curie sous la direction de Jean-Loup Guillaume et Matthieu Latapy entre 2009 et 2011.
