Marotta, Serena
(2017)
Alcuni metodi matriciali per lo Spectral Clustering.
[Laurea], Università di Bologna, Corso di Studio in
Matematica [L-DM270]
Documenti full-text disponibili:
Abstract
L'obiettivo di questa tesi è analizzare nel dettaglio un insieme di tecniche di analisi dei dati, volte alla selezione e al raggruppamento di elementi omogenei, in modo che si possano facilmente interfacciare tra di loro e fornire un utilizzo più semplice per chi opera nel settore.È introdotta la trattazione dei principali metodi di clustering: linkage, k-medie e in particolare spectral clustering, argomento centrale della mia tesi.
Abstract
L'obiettivo di questa tesi è analizzare nel dettaglio un insieme di tecniche di analisi dei dati, volte alla selezione e al raggruppamento di elementi omogenei, in modo che si possano facilmente interfacciare tra di loro e fornire un utilizzo più semplice per chi opera nel settore.È introdotta la trattazione dei principali metodi di clustering: linkage, k-medie e in particolare spectral clustering, argomento centrale della mia tesi.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Marotta, Serena
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
clustering spectral clustering data mining analisi dei dati k-means similarità dendrogramma matrici laplaciane ratiocut ncut grafo spettro parkinson
Data di discussione della Tesi
29 Settembre 2017
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Marotta, Serena
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
clustering spectral clustering data mining analisi dei dati k-means similarità dendrogramma matrici laplaciane ratiocut ncut grafo spettro parkinson
Data di discussione della Tesi
29 Settembre 2017
URI
Statistica sui download
Gestione del documento: