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.
Modélisation Hiérarchique de Données Multidimensionnelles
Academiques - EAN : 9783841635624
Édition papier
EAN : 9783841635624
Paru le : 24 sept. 2015
63,90 €
60,57 €
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 : 9783841635624
- Réf. fournisseur : 7041332
- Editeur : Academiques
- Date Parution : 24 sept. 2015
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 180
- Format : H:229 mm L:152 mm E:11 mm
- Poids : 274gr
- Interdit de retour : Retour interdit
- Résumé : Les travaux présentés ont été réalisés dans le cadre d'une étude à moyen terme. Celle-ci a eu pour objectif d'étudier les techniques de découpage régulier d'ensembles de données numériques de manière à fournir des outils de résolution de problèmes permettant de modéliser des objets numériques multidimensionnels utilisés en conception et en fabrication assistées par ordinateur, en robotique, en analyse et synthèse d'images, en reconnaissance des formes, en aide à la décision, en cartographie et en gestion de bases de données numériques.Ces outils reposent sur le principe de décomposition hiérarchique régulière et conduisent à la mise en oeuvre d'une généralisation des arbres quaternaires et octernaires:les arbres d'ordre 2**k ou 2**k-arbres paginés dans des arbres binaires. Ce premier tome, consacré à la modélisation hiérarchique de données numériques multidimensionnelles, décrit les principes de construction, de transformation, d'analyse et de reconnaissance des formes mis en oeuvre pour le développement d'algorithmes de traitement des données associées. L'ensemble des algorithmes ainsi développés sont détaillés en pseudo-code en fin d'ouvrage.
