Studies ＞ グラフレイアウト ＞ 修論 私の修士論文です。 がんばって書いたので、興味があればちょこっとでも読んでいってください。 タイトル 「板ばねモデルを用いたインタラクティブな曲線グラフ描画手法とその応用に関する研究」 Acrobat 4.0以上で読んで下さい。以前のバージョンでは表示できない場合があるかもしれません。 Acrobat Reader(無償)のダウンロード
修士論文
Studies ＞ グラフレイアウト ＞ 修論 私の修士論文です。 がんばって書いたので、興味があればちょこっとでも読んでいってください。 タイトル 「板ばねモデルを用いたインタラクティブな曲線グラフ描画手法とその応用に関する研究」 Acrobat 4.0以上で読んで下さい。以前のバージョンでは表示できない場合があるかもしれません。 Acrobat Reader(無償)のダウンロード
Master_thesis.dvi
10 第 2 章 グラフレイアウト 2.1 グラフレイアウト手法 第 1 章で述べたような審美的基準に沿ってグラフをレイアウトするには、どのよう なノード配置が審美的基準を最適化するかを探索する。 しかし、総当り的に探索することは組み合わせ的に膨大な数となり多くの場合 NP 困 難であるため、ユーザによるインタラクティブな情報獲得を支援するためには、近似 的な最適解を短時間で求めるためのヒューリスティ ックな手法が求められる。 そのための手法は大まかに 2 種類に分類され、グラフ理論をベースにしたアルゴリ ズム的アプローチ、物理モデルをベースとしたモデル的アプローチがある。[2] 2.2 アルゴリズム的アプローチ 主にグラフアルゴリズムや、計算幾何、離散数学などの理論的手法を利用し、あら かじめ用意された審美的基準を拘束条件としてこれを準最適化するように設計された 高速なア
ダイクストラ法（最短経路問題）
ダイクストラ法 (Dijkstra's Algorithm) は最短経路問題を効率的に解くグラフ理論におけるアルゴリズムです。 スタートノードからゴールノードまでの最短距離とその経路を求めることができます。 アルゴリズム 以下のグラフを例にダイクストラのアルゴリズムを解説します。 円がノード，線がエッジで，sがスタートノード，gがゴールノードを表しています。 エッジの近くに書かれている数字はそのエッジを通るのに必要なコスト（たいてい距離または時間）です。 ここではエッジに向きが存在しない（＝どちらからでも通れる）無向グラフだとして扱っていますが， ダイクストラ法の場合はそれほど無向グラフと有向グラフを区別して考える必要はありません。 ダイクストラ法はDP（動的計画法）的なアルゴリズムです。 つまり，「手近で明らかなことから順次確定していき，その確定した情報をもとにさらに遠くまで確定していく
プリム法（最小全域木問題）
プリム法 (Prim's MST Algorithm) は最小全域木問題を効率的に解くグラフ理論におけるアルゴリズムです。 最小全域木 (MST: Minimum Spanning Tree) とは，グラフを構成する「辺の重みの総和」が最小となる全域木です。 「全域」とは，元のグラフがあって，その部分グラフのうち（辺の構成は変わっていても）頂点集合が同じグラフを指します。 木とは連結 (connected) でかつ閉路 (loop) が無いグラフなので，つまり，元となる（木ではない）グラフがあって， そこから，切り離された頂点を作らずに（連結であり），閉路を作るような辺が「辺の重みの総和が最小となるように」全て取り除かれた（木である）グラフを求める問題です。 MST（最小全域木）を求めるアルゴリズムとしては，ここで説明するプリム法の他にクラスカル法が有名です。 アルゴリズム 以下のグラフを
ggplot2: Two Color XY-Area Combo Chart
David@Work blog shows how to fill in the area between two crossing lines in an Excel chart. This post was also published as a guest-post on PTS blog. Let’s try to replicate this graph in ggplot2. First, load ggplot2 and generate the data frame to be used in the example (I am using a slightly modified dataset, therefore the final result will differ somewhat from the original graph). > cross <- data
Comprehensive R Graphical Reference - Mad Dryfarm Wolves
Rは統計計算とグラフィックスのための言語・環境です。 統計処理において，グラフィックスなどにおける可視化は一つの重要な要素です．数字の羅列であるデータをいかに視覚的に分かりやすく示すことができるかということは，データの解析と並んで重要な統計処理と言えるでしょう．グラフィックスによる提示により，データはより効果的かつ説得力のあるものになります． Comprehensive R Graphical Referenceでは，Rの豊富なグラフィックス環境を使いこなすのに役立つサイトをまとめてみました．まず，「主なリファレンス」では，Rのグラフィック環境における代表的なリファレンスをまとめています．もしあなたがグラフを探し始めるなら，まずここを見るといいでしょう．「標準的な作図関数」では，よく用いられる標準的な作図に関して，基本的なところからもう一歩踏み込んだ内容まで詳しく解説されています．「配色に
クラスカルのアルゴリズム - naoyaのはてなダイアリー
昨年からはじめたアルゴリズムイントロダクションの輪講も終盤に差し掛かり、残すところ数章となりました。今週は第23章の最小全域木でした。辺に重みのあるグラフで全域木を張るとき、その全域木を構成する辺の合計コストが最小の組み合わせが最小全域木です。 アルゴリズムイントロダクションでは、クラスカルのアルゴリズム、プリムのアルゴリズムの二点が紹介されています。いずれも20世紀半ばに発見された古典的なアルゴリズムです。 二つのうち前者、クラスカルのアルゴリズムは、コスト最小の辺から順番にみていって、その辺を選んだことで閉路が構成されなければ、それは安全な辺であるとみなし、最小全域木を構成する辺のひとつとして選択します。これを繰り返しているうちに最小全域木が構成されるというアルゴリズムです。 今日はクラスカルのアルゴリズムを Python で実装してみました。扱うグラフは書籍の例を使ってみました。以下
最小全域木問題(クラスカル法とプリム法) - ぬいぐるみライフ？
最小全域木問題を解くためのアルゴリズム「クラスカル法」と「プリム法」を使ってみた． 最小全域木について クラスカル法 プリム法 PKUの問題 クラスカル法による解答 プリム法による解答 メモリ使用量と実行時間の比較 最小全域木について まず，全域木(Spanning tree)とは連結グラフの全ての頂点とそのグラフを構成する辺の一部分のみで構成される木のこと．つまり，連結グラフから適当な辺を取り除いていき，閉路をもたない木の形にしたものが全域木となる．ここで，グラフの各辺に重みがある場合，重みの総和が最小になるように辺を選んで作った全域木のことを最小全域木(Minimum spanning tree)という． 最小全域木を求めるアルゴリズムとしては以下の二つが有名である． クラスカル法 (Kruskal's algorithm) プリム法 (Prim's algorithm) いずれも貪欲
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
サービス終了のお知らせ
糞ネット弁慶
糞ネット弁慶