Projet dédié à la transformation d'objets 3D en graphes de squelettes pour faciliter leur analyse et leur modélisation. Il permet de décomposer des structures complexes en éléments graphiques simplifiés, offrant une meilleure compréhension des formes et des relations entre les composants. Utilisé dans des domaines comme la vision par ordinateur, la robotique ou la conception assistée par ordinateur.

PhoenixGraph est une bibliothèque logicielle dédiée à la manipulation et à la visualisation de graphes, notamment pour des applications en physique des particules. Elle permet de modéliser des structures spatiales complexes en 2D et 3D, facilitant ainsi l'analyse et la recherche de relations entre éléments. Utilisée dans des environnements de recherche, elle offre des outils pour générer des représentations graphiques et optimiser des algorithmes de voisinage.

Musette est une bibliothèque R dédiée à l'analyse avancée de réseaux et de graphes. Elle permet de modéliser des relations complexes entre entités, d'optimiser des scores de performance et de visualiser des structures de données sous forme de graphes interactifs. Utilisée pour des études statistiques ou des recherches opérationnelles, elle facilite la détection de communautés, l'évaluation de chemins critiques et l'exploration de données multidimensionnelles.

ELSA est une bibliothèque R dédiée à la modélisation et à l'analyse de graphes pondérés. Elle permet de générer des pools de données perturbées, d'apprendre des composants de modèles arborescents à partir de graphes, et de combiner ces composants pour créer des modèles composites optimisés. Utilisée pour l'exploration de réseaux complexes, elle facilite la détection de structures significatives et l'agrégation de résultats.

Ce projet propose une analyse comparative des approches graphiques existantes pour représenter la variabilité dans les systèmes logiciels. Il recense et évalue différentes méthodes de modélisation (arbres, graphes, diagrammes de fonctionnalités) afin d'aider les développeurs et chercheurs à choisir la représentation la plus adaptée à leurs besoins. L'objectif est de clarifier les relations entre éléments et d'identifier les outils les plus pertinents pour visualiser des architectures logicielles complexes.

Ce projet explore des modèles innovants de réseaux d'ordre supérieur, permettant d'analyser des structures relationnelles complexes au-delà des graphes classiques. Il propose des outils pour modéliser et simuler des interactions multi-niveaux, utiles en physique théorique, en biologie des systèmes ou en sciences sociales. Les expérimentations visent à valider des hypothèses sur les dynamiques émergentes dans ces réseaux.

Outil dédié à l'extraction de motifs graduels à partir de graphes de propriétés. Il permet d'identifier des relations de covariation entre attributs numériques dans des bases de données structurées sous forme de graphes. Utilisé pour analyser des données complexes et en extraire des connaissances exploitables, notamment dans des contextes de big data ou de modélisation de réseaux.

Ce projet permet d'analyser et d'optimiser des graphes pour résoudre des problèmes de parcours, de logistique ou de réseaux. Il facilite la modélisation de structures complexes comme des réseaux de transport, des circuits électroniques ou des flux de données. Les algorithmes intégrés aident à identifier les chemins optimaux, à détecter des goulots d'étranglement ou à simuler des scénarios d'évolution. L'outil est particulièrement utile pour les ingénieurs, les chercheurs ou les data scientists travaillant sur des systèmes interconnectés.

Neo4j est une base de données graphique open source permettant de modéliser, stocker et interroger des données sous forme de graphes. Elle facilite l'analyse de relations complexes entre entités, comme les réseaux sociaux, les systèmes de recommandation ou les structures hiérarchiques. Idéale pour les applications nécessitant une visualisation intuitive des connexions.

Outil dédié à l'analyse et à la modélisation de réseaux et de graphes à partir de données relationnelles. Permet d'extraire des statistiques sur les interactions entre entités et de générer des visualisations pour faciliter l'interprétation des structures complexes. Utilisé pour étudier des dynamiques sociales, des réseaux de collaboration ou des flux d'information.