دانلود کتاب Pattern Mining with Evolutionary Algorithms – معدن الگوی با الگوریتم های تکاملی

توضیحات

This book provides a comprehensive overview of the field of pattern mining with evolutionary algorithms. To do so, it covers formal definitions about patterns, patterns mining, type of patterns and the usefulness of patterns in the knowledge discovery process. As it is described within the book, the discovery process suffers from both high runtime and memory requirements, especially when high dimensional datasets are analyzed. To solve this issue, many pruning strategies have been developed. Nevertheless, with the growing interest in the storage of information, more and more datasets comprise such a dimensionality that the discovery of interesting patterns becomes a challenging process. In this regard, the use of evolutionary algorithms for mining pattern enables the computation capacity to be reduced, providing sufficiently good solutions.
This book offers a survey on evolutionary computation with particular emphasis on genetic algorithms and genetic programming. Also included is an analysis of the set of quality measures most widely used in the field of pattern mining with evolutionary algorithms. This book serves as a review of the most important evolutionary algorithms for pattern mining. It considers the analysis of different algorithms for mining different type of patterns and relationships between patterns, such as frequent patterns, infrequent patterns, patterns defined in a continuous domain, or even positive and negative patterns.
A completely new problem in the pattern mining field, mining of exceptional relationships between patterns, is discussed. In this problem the goal is to identify patterns which distribution is exceptionally different from the distribution in the complete set of data records. Finally, the book deals with the subgroup discovery task, a method to identify a subgroup of interesting patterns that is related to a dependent variable or target attribute. This subgroup of patterns satisfies two essential conditions: interpretability and interestingness.

————————————————————–

ترجمه ماشینی :

این کتاب یک مرور کلی از زمینه معدن الگوی با الگوریتم های تکاملی ارائه می دهد. برای انجام این کار ، تعاریف رسمی در مورد الگوهای ، الگوهای استخراج ، نوع الگوها و سودمندی الگوهای در فرآیند کشف دانش را در بر می گیرد. همانطور که در داخل کتاب شرح داده شده است ، روند کشف از زمان اجرا و حافظه بسیار زیاد رنج می برد ، به خصوص هنگامی که مجموعه داده های ابعادی بالا مورد تجزیه و تحلیل قرار می گیرد. برای حل این مسئله ، بسیاری از استراتژی های هرس تدوین شده است. با این وجود ، با توجه به افزایش علاقه به ذخیره اطلاعات ، مجموعه داده های بیشتر و بیشتر شامل ابعادی است که کشف الگوهای جالب به یک فرایند چالش برانگیز تبدیل می شود. در این راستا ، استفاده از الگوریتم های تکاملی برای الگوی معدن امکان کاهش ظرفیت محاسبه را فراهم می کند و راه حل های به اندازه کافی خوب را ارائه می دهد. همچنین شامل تجزیه و تحلیل مجموعه ای از اقدامات کیفیت است که بیشتر در زمینه استخراج الگوی با الگوریتم های تکاملی مورد استفاده قرار می گیرد. این کتاب به عنوان مروری بر مهمترین الگوریتم های تکاملی برای معدن الگوی خدمت می کند. این تجزیه و تحلیل الگوریتم های مختلف را برای استخراج انواع مختلف الگوها و روابط بین الگوهای ، مانند الگوهای مکرر ، الگوهای نادر ، الگوهای تعریف شده در یک دامنه مداوم یا حتی الگوهای مثبت و منفی در نظر می گیرد.
یک مشکل کاملاً جدید در الگوی زمینه معدن ، استخراج روابط استثنایی بین الگوهای مورد بحث قرار گرفته است. در این مشکل هدف شناسایی الگوهای توزیع استثنایی با توزی

tag : دانلود کتاب معدن الگوی با الگوریتم های تکاملی , Download معدن الگوی با الگوریتم های تکاملی , دانلود معدن الگوی با الگوریتم های تکاملی , Download Pattern Mining with Evolutionary Algorithms Book , معدن الگوی با الگوریتم های تکاملی دانلود , buy معدن الگوی با الگوریتم های تکاملی , خرید کتاب معدن الگوی با الگوریتم های تکاملی , دانلود کتاب Pattern Mining with Evolutionary Algorithms , کتاب Pattern Mining with Evolutionary Algorithms , دانلود Pattern Mining with Evolutionary Algorithms , خرید Pattern Mining with Evolutionary Algorithms , خرید کتاب Pattern Mining with Evolutionary Algorithms ,