Алгоритмы и структуры данных 2 2016/2017/154-2 и 156-2 — различия между версиями
Aumnov (обсуждение | вклад) (→15.10) |
Aumnov (обсуждение | вклад) (→15.10) |
||
| Строка 30: | Строка 30: | ||
Реализуйте алгоритмы кластеризации: 1) максимизирующий минимальное межкластерное расстояние, 2) приближенно минимизирующий максимальное внутрикластерное расстояние. Постройте искусственный набор данных в виде точек на плоскости и протестируйте свои методы на нем. Для реализации можно использовать [https://gist.github.com/alexeyum/6e152483906d20f6aeb18ed61fc1ef9e заготовку] (в ней реализована генерация данных для визуализации с помощью [http://www.gnuplot.info/ gnuplot]). | Реализуйте алгоритмы кластеризации: 1) максимизирующий минимальное межкластерное расстояние, 2) приближенно минимизирующий максимальное внутрикластерное расстояние. Постройте искусственный набор данных в виде точек на плоскости и протестируйте свои методы на нем. Для реализации можно использовать [https://gist.github.com/alexeyum/6e152483906d20f6aeb18ed61fc1ef9e заготовку] (в ней реализована генерация данных для визуализации с помощью [http://www.gnuplot.info/ gnuplot]). | ||
| + | |||
| + | === 18.10 / 21.10 === | ||
| + | |||
| + | Реализуйте алгоритм K-means на основе шаблона предыдущего семинара. | ||
Текущая версия на 14:09, 18 октября 2016
Общая информация
Время для консультаций (по предварительной договоренности):
- Понедельник 11:00 - 12:00, 15:00 - 16:00
- Вторник 11:00 - 12:00, 15:00 - 16:00
- Пятница 11:00 - 12:00
аудитория 623
Почта: alexeyum@gmail.com
Семинары
26.09
Реализуйте поиск минимального вершинного покрытия алгоритмами градиентного спуска, Метрополиса и имитацией отжига. Для ускорения реализации используйте следующий шаблон: https://gist.github.com/tswr/9d5114cb89497608319ed2eb551608b0
Сравните работу алгоритмов, построив график зависимости функции цены решения от итерации. График можно строить, например, с помощью этого инструмента: http://gnuplot.respawned.com/
Решение: https://gist.github.com/tswr/e7ef060996705c1816f65853bf0c0696
11.10 / 14.10
Реализуйте сегментацию изображения с помощью максимального разреза. Заготовка и набор картинок: ссылка.
15.10
Реализуйте алгоритмы кластеризации: 1) максимизирующий минимальное межкластерное расстояние, 2) приближенно минимизирующий максимальное внутрикластерное расстояние. Постройте искусственный набор данных в виде точек на плоскости и протестируйте свои методы на нем. Для реализации можно использовать заготовку (в ней реализована генерация данных для визуализации с помощью gnuplot).
18.10 / 21.10
Реализуйте алгоритм K-means на основе шаблона предыдущего семинара.
