Projekti / Programi
Optimizacija in mere različnosti v analizi podatkov
Koda |
Veda |
Področje |
Podpodročje |
1.07.02 |
Naravoslovje |
Računalniško intenzivne metode in aplikacije |
Optimizacije |
Koda |
Veda |
Področje |
P160 |
Naravoslovno-matematične vede |
Statistika, operacijsko raziskovanje, programiranje, aktuarska matematika |
P170 |
Naravoslovno-matematične vede |
Računalništvo, numerična analiza, sistemi, kontrola |
razvrščanje v skupine, analiza omrežij, vizualizacija podatkov, velika podatkovja, mere različnosti, učinkoviti algoritmi, optimizacija, programska oprema, zbirka testnih podatkov, storitve na Internetu
Raziskovalci (2)
št. |
Evidenčna št. |
Ime in priimek |
Razisk. področje |
Vloga |
Obdobje |
Štev. publikacijŠtev. publikacij |
1. |
01467 |
dr. Vladimir Batagelj |
Matematika |
Vodja |
1998 - 2000 |
977 |
2. |
02017 |
dr. Matevž Bren |
Matematika |
Raziskovalec |
1999 - 2000 |
291 |
Organizacije (1)
Povzetek
Z razvrščanjem v skupine, analizo omrežij in algoritmi teorije grafov se ukvarjamo že več let. Zadnja leta smo začeli posebno pozornost posvečati velikim podatkovjem (na desettisoče enot) in hitrim (subkvadratnim) algoritmom za njih analizo. Za nazoren in razumljiv prikaz dobljenih rezultatov nameravamo razviti ustrezne oblike vizualizacije v trirazsežnem prostoru oprte na jezik za opis prostorskih konstrukcij VRML (Virtual Reality Modeling Language).
Za nekatere probleme ne obstajajo učinkoviti točni algoritmi. Zato bomo za posamezne izmed njih poskusili razviti zelo hitre približne algoritme, ki temeljijo na hevristikah. Taki problemi so na primer: bločno modeliranje v obsežnih omrežjih, nivojski prikaz acikličnih omrežij in problem barvanja točk grafa.
Pri analizi velikih podatkovij in omrežij je pogosto ugodno, če jih znamo razbiti na več manjših, lažje obvladljivih kosov. Posebno pozornost nameravamo posvetiti problemom razčlembe omrežij na podomrežja iz izbranih družin (poti, drevesa, ravninski grafi, kubični grafi, …). Pričakujemo, da nam bo na tej osnovi uspeli zgraditi tudi posamezne učinkovite algoritme.
Pri operacionalizaciji pristopov k analizi podatkovij in omrežij imajo velik pomen mere različnosti. Nadaljevati nameravamo naše raziskave prijemov, kako z ustreznimi transformacijami izboljšati kakovost posameznih mer različnosti.