2026-06-08T14:03:51Zhttps://docta.ucm.es/rest/oai/request

oai:docta.ucm.es:20.500.14352/33662023-09-15T14:30:21Zcom_20.500.14352_14col_20.500.14352_22

Detección de comunidades en redes mediante el uso de medidas borrosas Gutiérrez García-Pardo, Inmaculada Gómez González, Daniel Castro Cantalejo, Javier Espínola Vílchez, María Rosario 519.17(043.2) Teoría de grafos Graph theory Estadística 1209 Estadística Tesis inédita de la Universidad Complutense de Madrid, Facultad de Estudios Estadísticos, leída el 23-03-2021 La manipulación y análisis de grandes volúmenes de datos es un asunto cada vez más relevante en el mundo actual. En el área de la Ciencia y Análisis de Datos, existe una gran cantidad de herramientas desarrolladas para el modelado y resolución de problemas basados en situaciones reales, entre las que cabe destacar las redes complejas o grafos, modelos muy útiles para la representación de conjuntos de unidades o elementos conectados entre sí. Redes neuronales, especies animales que interactúan entre sí, sistemas biológicos y químicos, la World Wide Web y las diferentes redes sociales on line como Facebook, Twitter o LinkedIn, son algunos ejemplos de situaciones comúnmente modeladas mediante redes complejas o grafos. Este tipo de redes tiene ciertas propiedades topológicas y funcionales, y sus elementos suelen presentar patrones de interconexión que están lejos de ser regulares o aleatorios. Esta memoria se ha centrado en el estudio de la estructura de comunidades que suele caracterizar a las redes complejas. El problema relativo a la búsqueda de grupos de elementos altamente conectados en un grafo recibe el nombre de problema de detección de comunidades. Obtener una buena partición del conjunto de nodos, coherente, cohesiva, robusta y con buenas propiedades, simplifica enormemente el proceso de análisis de una red compleja... Fac. de Estudios Estadísticos TRUE unpub 2023-06-16T13:28:09Z 2023-06-16T13:28:09Z 2022-01-11 2021-03-23 doctoral thesis https://hdl.handle.net/20.500.14352/3366 XXXX-XXXX spa open access application/pdf Universidad Complutense de Madrid