26,99 €
inkl. MwSt.
Versandfertig in 6-10 Tagen
13 °P sammeln
Andere Kunden interessierten sich auch für
![Parallelization in Traditional Clustering Algorithms]( "Parallelization in Traditional Clustering Algorithms")
Parallelization in Traditional Clustering Algorithms26,99 €![Analyse des algorithmes d'apprentissage automatique: KNN et K-Means pour la guérison des personnes âgées]( "Analyse des algorithmes d'apprentissage automatique: KNN et K-Means pour la guérison des personnes âgées")
Analyse des algorithmes d'apprentissage automatique: KNN et K-Means pour la guérison des personnes âgées28,99 €![Parallelizzazione negli algoritmi di clustering tradizionali]( "Parallelizzazione negli algoritmi di clustering tradizionali")
Parallelizzazione negli algoritmi di clustering tradizionali26,99 €![Système automatique de comparaison des informations contenues dans les textes]( "Système automatique de comparaison des informations contenues dans les textes")
Système automatique de comparaison des informations contenues dans les textes26,99 €![Algorithmes de sélection des caractéristiques dans le traitement des images]( "Algorithmes de sélection des caractéristiques dans le traitement des images")
Algorithmes de sélection des caractéristiques dans le traitement des images26,99 €![Détection de communautés dans les réseaux dynamiques]( "Détection de communautés dans les réseaux dynamiques")
Détection de communautés dans les réseaux dynamiques31,99 €![Les algorithmes de vote dans les systèmes tolérant aux fautes]( "Les algorithmes de vote dans les systèmes tolérant aux fautes")
Les algorithmes de vote dans les systèmes tolérant aux fautes26,99 €
Le clustering est l'un des moyens de classer et de séparer les données en clusters ou groupes basés sur la similarité entre eux. Mais ce processus peut prendre beaucoup de temps. L'objectif est de réduire le temps de calcul et de maintenir la performance de l'algorithme. Pour y parvenir, nous parallélisons l'algorithme de façon à ce que plusieurs segments indépendants puissent s'exécuter simultanément et ainsi réduire le temps d'exécution tout en conservant les mêmes performances.