توضیحات
Clustering is an important unsupervised classification technique where data points are grouped such that points that are similar in some sense belong to the same cluster. Cluster analysis is a complex problem as a variety of similarity and dissimilarity measures exist in the literature.
This is the first book focused on clustering with a particular emphasis on symmetry-based measures of similarity and metaheuristic approaches. The aim is to find a suitable grouping of the input data set so that some criteria are optimized, and using this the authors frame the clustering problem as an optimization one where the objectives to be optimized may represent different characteristics such as compactness, symmetrical compactness, separation between clusters, or connectivity within a cluster. They explain the techniques in detail and outline many detailed applications in data mining, remote sensing and brain imaging, gene expression data analysis, and face detection.
The book will be useful to graduate students and researchers in computer science, electrical engineering, system science, and information technology, both as a text and as a reference book. It will also be useful to researchers and practitioners in industry working on pattern recognition, data mining, soft computing, metaheuristics, bioinformatics, remote sensing, and brain imaging.
————————————————————–
ترجمه ماشینی :
خوشه بندی یک تکنیک طبقه بندی بدون نظارت مهم است که در آن نقاط داده به گونه ای گروه بندی می شوند که نقاطی که به نوعی شبیه به هم هستند متعلق به یک خوشه باشند. تجزیه و تحلیل خوشه ای یک مشکل پیچیده است زیرا انواع معیارهای شباهت و عدم تشابه در ادبیات وجود دارد. این اولین کتابی است که بر روی خوشه بندی با تاکید ویژه بر معیارهای مبتنی بر تقارن تشابه و رویکردهای فراابتکاری متمرکز شده است. هدف این است که یک گروه بندی مناسب از مجموعه داده های ورودی پیدا کنیم تا برخی از معیارها بهینه شوند و با استفاده از آن، نویسندگان مسئله خوشه بندی را به عنوان یک بهینه سازی چارچوب بندی می کنند که در آن اهداف بهینه سازی ممکن است ویژگی های مختلفی مانند فشردگی، فشردگی متقارن را نشان دهند. جدایی بین خوشه ها یا اتصال در یک خوشه. آنها تکنیک ها را با جزئیات توضیح می دهند و بسیاری از کاربردهای دقیق در داده کاوی، سنجش از دور و تصویربرداری مغز، تجزیه و تحلیل داده های بیان ژن و تشخیص چهره را بیان می کنند. این کتاب هم به عنوان متن و هم به عنوان کتاب مرجع برای دانشجویان و محققان علوم کامپیوتر، مهندسی برق، علوم سیستم و فناوری اطلاعات مفید خواهد بود. همچنین برای محققان و متخصصان صنعت که در زمینه تشخیص الگو، داده کاوی، محاسبات نرم، فراابتکاری، بیوانفورماتیک، سنجش از دور و تصویربرداری مغز کار می کنند مفید خواهد بود.
tag : دانلود کتاب طبقه بندی بدون نظارت: اقدامات مشابه، رویکردهای کلاسیک و فراابتکاری، و کاربردها , Download طبقه بندی بدون نظارت: اقدامات مشابه، رویکردهای کلاسیک و فراابتکاری، و کاربردها , دانلود طبقه بندی بدون نظارت: اقدامات مشابه، رویکردهای کلاسیک و فراابتکاری، و کاربردها , Download Unsupervised Classification: Similarity Measures, Classical and Metaheuristic Approaches, and Applications Book , طبقه بندی بدون نظارت: اقدامات مشابه، رویکردهای کلاسیک و فراابتکاری، و کاربردها دانلود , buy طبقه بندی بدون نظارت: اقدامات مشابه، رویکردهای کلاسیک و فراابتکاری، و کاربردها , خرید کتاب طبقه بندی بدون نظارت: اقدامات مشابه، رویکردهای کلاسیک و فراابتکاری، و کاربردها , دانلود کتاب Unsupervised Classification: Similarity Measures, Classical and Metaheuristic Approaches, and Applications , کتاب Unsupervised Classification: Similarity Measures, Classical and Metaheuristic Approaches, and Applications , دانلود Unsupervised Classification: Similarity Measures, Classical and Metaheuristic Approaches, and Applications , خرید Unsupervised Classification: Similarity Measures, Classical and Metaheuristic Approaches, and Applications , خرید کتاب Unsupervised Classification: Similarity Measures, Classical and Metaheuristic Approaches, and Applications ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.