Supersamplingvignette|Calcul de la valeur de la couleur finale en Le supersampling est un terme anglais définissant une action de suréchantillonnage. Dans le domaine de l'infographie, ou du rendu en temps réel, le supersampling est un procédé utilisé pour tenter d'anticréneler une image. En image, l'échantillonnage constitue les pixels, le crènelage s'opère dans l'espace. Le problème peut donc se constater sur des motifs répétitifs comme des damiers par exemple. Il s'agit d'une corrélation entre l'échantillonnage et le motif à visualiser.
Complexité en tempsEn algorithmique, la complexité en temps est une mesure du temps utilisé par un algorithme, exprimé comme fonction de la taille de l'entrée. Le temps compte le nombre d'étapes de calcul avant d'arriver à un résultat. Habituellement, le temps correspondant à des entrées de taille n est le temps le plus long parmi les temps d’exécution des entrées de cette taille ; on parle de complexité dans le pire cas. Les études de complexité portent dans la majorité des cas sur le comportement asymptotique, lorsque la taille des entrées tend vers l'infini, et l'on utilise couramment les notations grand O de Landau.
Schéma d'approximation en temps polynomialEn informatique, un schéma d'approximation en temps polynomial (en anglais polynomial-time approximation scheme, abrégé en PTAS) est une famille d'algorithmes d'approximation pour des problèmes d'optimisation combinatoire. On dit aussi plus simplement schéma d'approximation polynomial. Le plus souvent, les problèmes d'optimisation combinatoire considérés sont NP-difficiles. Plusieurs variantes des PTAS existent : des définitions plus restrictives comme les EPTAS et FPTAS, ou d'autres qui reposent sur les algorithmes probabilistes comme les PRAS et FPRAS.
Motif (musique)Un motif est une phrase musicale ou un fragment complet, identifiable et contribuant à la structure, par exemple en se répétant de façon régulière et continue au sein d'une œuvre. En musique classique, Bruckner (motif au violon : Symphonie , , mesure 206), Sibelius (Symphonie , , lettre K - Doppio più lento), Stravinsky (Symphonie en ut, , 2 mesures avant le repère #15), ... ont fait usage de motifs. Terry Riley a composé une œuvre exclusivement basée sur l'usage de motifs. Il s'agit de In C.
Coefficient de clusteringalt=|vignette|Un graphe de fort coefficient de clustering. En théorie des graphes et en analyse des réseaux sociaux, le coefficient de clustering d'un graphe (aussi appelé coefficient d'agglomération, de connexion, de regroupement, d'agrégation ou de transitivité), est une mesure du regroupement des nœuds dans un réseau. Plus précisément, ce coefficient est la probabilité que deux nœuds soient connectés sachant qu'ils ont un voisin en commun.
Test de planaritéEn théorie des graphes, le problème du test de planarité est le problème algorithmique qui consiste à tester si un graphe donné est un graphe planaire (c'est-à-dire s'il peut être dessiné dans le plan sans intersection d'arêtes). Il s'agit d'un problème bien étudié en informatique pour lequel de nombreux algorithmes pratiques ont été donnés, souvent en décrivant de nouvelles structures de données. La plupart de ces méthodes fonctionnent en temps O(n) (temps linéaire), où n est le nombre d'arêtes (ou de sommets) du graphe, ce qui est asymptotiquement optimal.
LeitmotivUn leitmotiv (prononcé : à la française ou à l'allemande) est une phrase musicale, une expression qui revient à plusieurs reprises dans une œuvre musicale ou littéraire, un discours, etc., et qui représente une idée, un concept ou un personnage. Le mot est un emprunt à la langue allemande, das Leitmotiv (« motif directeur »), formé du verbe leiten (« conduire », « diriger ») et du nom Motiv (« motif »). Il est apparu pour la première fois en 1860, au sujet des œuvres de Richard Wagner et de Franz Liszt.
Centralitéthumb|right|300px|Exemples de A) Centralité d'intermédiarité, B) Centralité de proximité, C) Centralité de vecteur propre, D) Centralité de degré, E) Centralité harmonique et F) Centralité de Katz sur le même graphe. En théorie des graphes et en théorie des réseaux, les indicateurs de centralité sont des mesures censées capturer la notion d'importance dans un graphe, en identifiant les sommets les plus significatifs.
Pseudo-forêtvignette|upright=1.2 |Une 1-forêt (une pseudo-forêt maximale), composée de trois 1-arbres En théorie des graphes, une pseudo-forêt est un graphe non orienté, ou même un multigraphe dans lequel chaque composante connexe possède au plus un cycle. De manière équivalente, une pseudo-forêt est un graphe dans lequel deux cycles ne sont pas connectés par une chaîne. Un pseudo-arbre est une pseudo-forêt connexe. Les noms évoquent l'analogie avec les arbres et les forêts plus couramment étudiés : un arbre est un graphe connexe sans cycle ; une forêt est une union disjointe d'arbres.
Correlation clusteringClustering is the problem of partitioning data points into groups based on their similarity. Correlation clustering provides a method for clustering a set of objects into the optimum number of clusters without specifying that number in advance. Cluster analysis In machine learning, correlation clustering or cluster editing operates in a scenario where the relationships between the objects are known instead of the actual representations of the objects.
