Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
In diversen Forschungsgebieten lassen sich Relationen zwischen Objekten durch Netzwerke darstellen. Eine wichtige Fragestellung innerhalb der Analyse komplexer Gefüge ist die Identifikation eng vernetzter Gruppen von Objekten, welche auch Cluster genannt werden. Solche Strukturen lassen sich als Netzwerke abbilden, in denen die Objekte den Knoten und ihre Beziehungen den Kanten entsprechen. Diese Arbeit stellt eine neue Methode zur Bildung von Clustern in Netzwerken vor. Dabei werden hierarchische Verfahren, die ursprünglich zur Clusteranalyse von (Un-)Ähnlichkeits- bzw. Distanzdaten entwickelt wurden, auf Netzwerke übertragen und weiterentwickelt. Dazu wird die Adjazenzstruktur des Netzwerks unter Verwendung der Längen kürzester Wege innerhalb der Netzwerke in Distanzdaten überführt.