توضیحات
With the onset of massive cosmological data collection through media such as the Sloan Digital Sky Survey (SDSS), galaxy classification has been accomplished for the most part with the help of citizen science communities like Galaxy Zoo. Seeking the wisdom of the crowd for such Big Data processing has proved extremely beneficial. However, an analysis of one of the Galaxy Zoo morphological classification data sets has shown that a significant majority of all classified galaxies are labelled as Uncertain.
This book reports on how to use data mining, more specifically clustering, to identify galaxies that the public has shown some degree of uncertainty for as to whether they belong to one morphology type or another. The book shows the importance of transitions between different data mining techniques in an insightful workflow. It demonstrates that Clustering enables to identify discriminating features in the analysed data sets, adopting a novel feature selection algorithms called Incremental Feature Selection (IFS). The book shows the use of state-of-the-art classification techniques, Random Forests and Support Vector Machines to validate the acquired results. It is concluded that a vast majority of these galaxies are, in fact, of spiral morphology with a small subset potentially consisting of stars, elliptical galaxies or galaxies of other morphological variants.
————————————————————–
ترجمه ماشینی :
با شروع جمعآوری عظیم دادههای کیهانی از طریق رسانههایی مانند بررسی آسمان دیجیتال اسلون (SDSS)، طبقهبندی کهکشانها تا حد زیادی با کمک جوامع علمی شهروندی مانند Galaxy Zoo انجام شده است. جستجوی خرد جمعیت برای چنین پردازش داده های بزرگ بسیار سودمند بوده است. با این حال، تجزیه و تحلیل یکی از مجموعههای دادههای طبقهبندی مورفولوژیکی باغ وحش کهکشان نشان داده است که اکثریت قابلتوجهی از همه کهکشانهای طبقهبندیشده بهعنوان نامشخص برچسبگذاری شدهاند.
این کتاب نحوه استفاده از دادهکاوی، بهویژه خوشهبندی را گزارش میدهد. برای شناسایی کهکشان هایی که عموم مردم درجاتی از عدم قطعیت در مورد تعلق آنها به یک نوع مورفولوژیکی یا دیگری نشان داده اند. این کتاب اهمیت انتقال بین تکنیک های مختلف داده کاوی را در یک گردش کار روشنگر نشان می دهد. این نشان میدهد که خوشهبندی، شناسایی ویژگیهای متمایز در مجموعه دادههای تحلیلشده، با اتخاذ یک الگوریتم انتخاب ویژگی جدید به نام انتخاب ویژگی افزایشی (IFS) را قادر میسازد. این کتاب استفاده از تکنیکهای طبقهبندی پیشرفته، جنگلهای تصادفی و ماشینهای بردار پشتیبانی را برای اعتبارسنجی نتایج بهدستآمده نشان میدهد. نتیجه گیری می شود که اکثریت قریب به اتفاق این کهکشان ها در واقع مورفولوژی مارپیچی با زیرمجموعه کوچکی هستند که به طور بالقوه متشکل از ستارگان، کهکشان های بیضی شکل یا کهکشان هایی از دیگر گونه های مورفولوژیکی هستند.
tag : دانلود کتاب نجوم و کلان داده: رویکرد خوشهبندی داده برای شناسایی مورفولوژی نامشخص کهکشان , Download نجوم و کلان داده: رویکرد خوشهبندی داده برای شناسایی مورفولوژی نامشخص کهکشان , دانلود نجوم و کلان داده: رویکرد خوشهبندی داده برای شناسایی مورفولوژی نامشخص کهکشان , Download Astronomy and Big Data: A Data Clustering Approach to Identifying Uncertain Galaxy Morphology Book , نجوم و کلان داده: رویکرد خوشهبندی داده برای شناسایی مورفولوژی نامشخص کهکشان دانلود , buy نجوم و کلان داده: رویکرد خوشهبندی داده برای شناسایی مورفولوژی نامشخص کهکشان , خرید کتاب نجوم و کلان داده: رویکرد خوشهبندی داده برای شناسایی مورفولوژی نامشخص کهکشان , دانلود کتاب Astronomy and Big Data: A Data Clustering Approach to Identifying Uncertain Galaxy Morphology , کتاب Astronomy and Big Data: A Data Clustering Approach to Identifying Uncertain Galaxy Morphology , دانلود Astronomy and Big Data: A Data Clustering Approach to Identifying Uncertain Galaxy Morphology , خرید Astronomy and Big Data: A Data Clustering Approach to Identifying Uncertain Galaxy Morphology , خرید کتاب Astronomy and Big Data: A Data Clustering Approach to Identifying Uncertain Galaxy Morphology ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.