دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Graph Partitioning and Graph Clustering
دانلود کتاب پارتیشن بندی نمودار و خوشه بندی نمودار
مشخصات کتاب
Graph Partitioning and Graph Clustering
ویرایش: نویسندگان: David A. Bader, David A. Bader, Henning Meyerhenke, Peter Sanders, Dorothea Wagner سری: Contemporary Mathematics 588 ISBN (شابک) : 0821890387, 9780821890387 ناشر: American Mathematical Society سال نشر: 2013 تعداد صفحات: 258 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
قیمت کتاب (تومان) : 30,000
کلمات کلیدی مربوط به کتاب پارتیشن بندی نمودار و خوشه بندی نمودار: نظریه گراف، کاربردی، ریاضیات، علوم و ریاضیات، ریاضیات، جبر و مثلثات، حساب دیفرانسیل و انتگرال، هندسه، آمار، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Graph Partitioning and Graph Clustering به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پارتیشن بندی نمودار و خوشه بندی نمودار نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب پارتیشن بندی نمودار و خوشه بندی نمودار
پارتیشن بندی نمودار و خوشه بندی گراف، وظایف فرعی همه جا در بسیاری از برنامه ها هستند که گراف ها نقش مهمی دارند. به طور کلی، هدف هر دو تکنیک شناسایی زیرمجموعه‌های راس با تعداد زیادی لبه داخلی و کمی خارجی است. برای نام بردن تنها چند مورد، مشکلاتی که توسط الگوریتم‌های پارتیشن بندی و خوشه‌بندی گراف مورد بررسی قرار می‌گیرند عبارتند از: جوامع درون یک شبکه اجتماعی (آنلاین) کدامند؟ چگونه می توانم یک شبیه سازی عددی را با نگاشت کارآمد آن بر روی یک کامپیوتر موازی سرعت بخشم؟ چگونه اجزا باید بر روی یک تراشه کامپیوتری سازماندهی شوند تا بتوانند به طور موثر با یکدیگر ارتباط برقرار کنند؟ بخش های یک تصویر دیجیتال چیست؟ ژن های خاص (به احتمال زیاد) مسئول کدام عملکرد هستند؟ دهمین کارگاه چالش پیاده‌سازی DIMACS به تعیین عملکرد واقعی الگوریتم‌ها اختصاص داشت که در آن تحلیل بدترین حالت بیش از حد بدبینانه و مدل‌های احتمالی بیش از حد غیر واقعی هستند. مقالات موجود در این جلد، داده‌های تجربی مختلف را با هدف دستیابی به بینشی در مورد عملکرد الگوریتم واقعی در موقعیت‌هایی که تحلیل شکست می‌خورد، توصیف و تحلیل می‌کنند.
توضیحاتی درمورد کتاب به خارجی
Graph partitioning and graph clustering are ubiquitous subtasks in many applications where graphs play an important role. Generally speaking, both techniques aim at the identification of vertex subsets with many internal and few external edges. To name only a few, problems addressed by graph partitioning and graph clustering algorithms are: What are the communities within an (online) social network? How do I speed up a numerical simulation by mapping it efficiently onto a parallel computer? How must components be organized on a computer chip such that they can communicate efficiently with each other? What are the segments of a digital image? Which functions are certain genes (most likely) responsible for? The 10th DIMACS Implementation Challenge Workshop was devoted to determining realistic performance of algorithms where worst case analysis is overly pessimistic and probabilistic models are too unrealistic. Articles in the volume describe and analyze various experimental data with the goal of getting insight into realistic algorithm performance in situations where analysis fails.
