Improved Cluster Tracking for Visualization of Large Dynamic Graphs

Résumé : L’analyse et la visualisation de graphes dynamiques est un problème difficile. Une méthode de clustering que nous avons développée lors d’un précédent travail peut être appliquée à de tels graphes afin de générer des visualisations interactives à la fois stables et de bonne qualité. Cependant, l’implémentation existante est naïve et non optimisée. Dans cet article, nous présentons de nouveaux algorithmes pour améliorer à la fois les résultats du clustering dynamique et la rapidité des calculs. Nous comparons les résultats et le rendement par rapport à la méthode précédente.
Type de document :
Communication dans un congrès
EGC: Extraction et Gestion des Connaissances, Jan 2013, Toulouse, France. 13ième Conférence Internationale Francophone sur l'Extraction des Connaissances, pp.21-32, 2013
Liste complète des métadonnées

Littérature citée [35 références]  Voir  Masquer  Télécharger

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00798064
Contributeur : Pascal Poncelet <>
Soumis le : vendredi 30 septembre 2016 - 12:13:30
Dernière modification le : jeudi 11 janvier 2018 - 06:27:21
Document(s) archivé(s) le : samedi 31 décembre 2016 - 15:42:34

Fichier

muelder_al_2013.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : lirmm-00798064, version 1

Collections

Citation

Chris Muelder, Arnaud Sallaberry, Kwan-Liu Ma. Improved Cluster Tracking for Visualization of Large Dynamic Graphs. EGC: Extraction et Gestion des Connaissances, Jan 2013, Toulouse, France. 13ième Conférence Internationale Francophone sur l'Extraction des Connaissances, pp.21-32, 2013. 〈lirmm-00798064〉

Partager

Métriques

Consultations de la notice

126

Téléchargements de fichiers

141