توضیحات
Research on the problem of clustering tends to be fragmented across the pattern recognition, database, data mining, and machine learning communities. Addressing this problem in a unified way, Data Clustering: Algorithms and Applications provides complete coverage of the entire area of clustering, from basic methods to more refined and complex data clustering approaches. It pays special attention to recent issues in graphs, social networks, and other domains.
The book focuses on three primary aspects of data clustering:
Methods, describing key techniques commonly used for clustering, such as feature selection, agglomerative clustering, partitional clustering, density-based clustering, probabilistic clustering, grid-based clustering, spectral clustering, and nonnegative matrix factorization
Domains, covering methods used for different domains of data, such as categorical data, text data, multimedia data, graph data, biological data, stream data, uncertain data, time series clustering, high-dimensional clustering, and big data
Variations and Insights, discussing important variations of the clustering process, such as semisupervised clustering, interactive clustering, multiview clustering, cluster ensembles, and cluster validation
In this book, top researchers from around the world explore the characteristics of clustering problems in a variety of application areas. They also explain how to glean detailed insight from the clustering processOCoincluding how to verify the quality of the underlying clustersOCothrough supervision, human intervention, or the automated generation of alternative clusters.’
————————————————————–
ترجمه ماشینی :
تحقیقات در مورد مشکل خوشهبندی در جوامع تشخیص الگو، پایگاه داده، داده کاوی و یادگیری ماشین تکه تکه میشود. با پرداختن به این مشکل به روشی یکپارچه، خوشهبندی دادهها: الگوریتمها و برنامهها پوشش کاملی از کل منطقه خوشهبندی، از روشهای اساسی تا رویکردهای خوشهبندی دادههای دقیقتر و پیچیدهتر را فراهم میکند. این کتاب به مسائل اخیر در نمودارها، شبکههای اجتماعی و سایر حوزهها توجه ویژه دارد.
این کتاب بر سه جنبه اصلی خوشهبندی دادهها تمرکز دارد:
روشها، توصیف تکنیکهای کلیدی معمولاً برای خوشهبندی، مانند انتخاب ویژگی، خوشهبندی تجمعی، خوشهبندی پارتیشنی، خوشهبندی مبتنی بر چگالی، خوشهبندی احتمالی، خوشهبندی مبتنی بر شبکه، خوشهبندی طیفی، و فاکتورسازی ماتریس غیرمنفی
دامنهها، روشهای پوششی مورد استفاده برای حوزههای مختلف داده، مانند دادههای طبقهبندی، دادههای متنی، دادههای چند رسانهای، دادههای نموداری، دادههای بیولوژیکی، دادههای جریانی، دادههای نامشخص، خوشهبندی سریهای زمانی، خوشهبندی با ابعاد بالا، و دادههای بزرگ
تغییرات و بینشها، بحث در مورد تغییرات مهم فرآیند خوشهبندی مانند خوشهبندی نیمهنظارتشده، خوشهبندی تعاملی، خوشهبندی چند نمایه، مجموعههای خوشهای، و اعتبارسنجی خوشهای
در این کتاب، محققان برتر از سراسر جهان به بررسی ویژگیهای مشکلات خوشهبندی در حوزههای کاربردی مختلف میپردازند. آنها همچنین توض
tag : دانلود کتاب خوشه بندی داده ها: الگوریتم ها و کاربردها , Download خوشه بندی داده ها: الگوریتم ها و کاربردها , دانلود خوشه بندی داده ها: الگوریتم ها و کاربردها , Download Data Clustering: Algorithms and Applications Book , خوشه بندی داده ها: الگوریتم ها و کاربردها دانلود , buy خوشه بندی داده ها: الگوریتم ها و کاربردها , خرید کتاب خوشه بندی داده ها: الگوریتم ها و کاربردها , دانلود کتاب Data Clustering: Algorithms and Applications , کتاب Data Clustering: Algorithms and Applications , دانلود Data Clustering: Algorithms and Applications , خرید Data Clustering: Algorithms and Applications , خرید کتاب Data Clustering: Algorithms and Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.