École Nationale Supérieure de
Techniques Avancées

Résumé

Les structures communautaires sont courants dans les réseaux réels. Etre capable d'identifier ces propriétés sous-structure peut donner un aperçu de la façon dont les fonctions de topologie et être utiles pour améliorer les algorithmes sur les graphes. Durant le stage, nous nous concentrons sur deux sujets: l'influence de maximisation et de la segmentation d’image. Sur la base de la fonction de localisation de l'influence que nous proposons un algorithme efficace, MATM, pour le calcul d’influence sous deux modèles de diffusion fondamentale. La nouvelle méthode de calcul peut être appliqué sur un classique combinatoire problème: la maximisation d’influence . Selon nos expériences sur les réseaux sociaux à grande échelle, l'algorithme est au moins 1000 fois plus rapide que l’algorithme glouton. L’identification des communautés de réseau d'image nous offre une nouvelle approche pour la segmentation d'images. Nous présentons une nouvelle perspective de la segmentation d'images, en appliquant trois algorithmes de la détection de communauté les plus efficaces. Nous montrons que les algorithmes basés sur la modularité ont les meilleurs résultats et la modularité est invariant aux changements non-structurels sur l'image.