توضیحات
The development of information technology has made it possible to collect large amounts of spatial data on a daily basis. It is of enormous significance when it comes to discovering implicit, non-trivial and potentially valuable information from this spatial data. Spatial co-location patterns reveal the distribution rules of spatial features, which can be valuable for application users. This book provides commercial software developers with proven and effective algorithms for detecting and filtering these implicit patterns, and includes easily implemented pseudocode for all the algorithms. Furthermore, it offers a basis for further research in this promising field.
Preference-based co-location pattern mining refers to mining constrained or condensed co-location patterns instead of mining all prevalent co-location patterns. Based on the authors recent research, the book highlights techniques for solving a range of problems in this context, including maximal co-location pattern mining, closed co-location pattern mining, top-k co-location pattern mining, non-redundant co-location pattern mining, dominant co-location pattern mining, high utility co-location pattern mining, user-preferred co-location pattern mining, and similarity measures between spatial co-location patterns.
Presenting a systematic, mathematical study of preference-based spatial co-location pattern mining, this book can be used both as a textbook for those new to the topic and as a reference resource for experienced professionals.
————————————————————–
ترجمه ماشینی :
توسعه فناوری اطلاعات امکان جمع آوری مقادیر زیادی از داده های مکانی را به صورت روزانه فراهم کرده است. هنگامی که نوبت به کشف اطلاعات ضمنی، غیر پیش پا افتاده و بالقوه ارزشمند از این داده های مکانی می شود، از اهمیت زیادی برخوردار است. الگوهای هممکانی فضایی قوانین توزیع ویژگیهای فضایی را نشان میدهند که میتواند برای کاربران برنامه ارزشمند باشد. این کتاب به توسعه دهندگان نرم افزار تجاری الگوریتم های اثبات شده و موثر برای تشخیص و فیلتر کردن این الگوهای ضمنی ارائه می دهد و شامل کدهای شبه به راحتی برای همه الگوریتم ها است. علاوه بر این، مبنایی برای تحقیقات بیشتر در این زمینه امیدوارکننده ارائه میکند.
کاوش الگوی هممکانی مبتنی بر اولویت به جای استخراج همه الگوهای رایج، به الگوهای هممکانی محدود یا متراکم اشاره دارد. الگوهای مکان مشترک بر اساس تحقیقات اخیر نویسندگان، این کتاب تکنیکهایی را برای حل طیف وسیعی از مشکلات در این زمینه، از جمله استخراج الگوی هممکانی حداکثر، استخراج الگوی هممکانی بسته، کاوی الگوی هممکانی top-k، هممکانی غیر زائد برجسته میکند. استخراج الگوی مکان، استخراج الگوی هممکانی غالب، استخراج الگوی هممکانی با کاربرد بالا، استخراج الگوی هممکانی ترجیحی کاربر، و اقدامات شباهت بین الگوهای هممکانی فضایی.
این کتاب با ارائه یک مطالعه ریاضی و سیستماتیک در مورد الگوی هممکانی فضایی مبتنی بر ترجیح، میتواند هم بهعنوان کتاب درسی برای کسانی که تازه با این موضوع آشنا شدهاند و هم بهعنوان منبع مرجع برای متخصصان با تجربه استفاده شود.
tag : دانلود کتاب الگوی کاوی موقعیت مکانی مبتنی بر اولویت (مدیریت کلان داده) , Download الگوی کاوی موقعیت مکانی مبتنی بر اولویت (مدیریت کلان داده) , دانلود الگوی کاوی موقعیت مکانی مبتنی بر اولویت (مدیریت کلان داده) , Download Preference-based Spatial Co-location Pattern Mining (Big Data Management) Book , الگوی کاوی موقعیت مکانی مبتنی بر اولویت (مدیریت کلان داده) دانلود , buy الگوی کاوی موقعیت مکانی مبتنی بر اولویت (مدیریت کلان داده) , خرید کتاب الگوی کاوی موقعیت مکانی مبتنی بر اولویت (مدیریت کلان داده) , دانلود کتاب Preference-based Spatial Co-location Pattern Mining (Big Data Management) , کتاب Preference-based Spatial Co-location Pattern Mining (Big Data Management) , دانلود Preference-based Spatial Co-location Pattern Mining (Big Data Management) , خرید Preference-based Spatial Co-location Pattern Mining (Big Data Management) , خرید کتاب Preference-based Spatial Co-location Pattern Mining (Big Data Management) ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.