برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Clustering

دانلود کتاب خوشه بندی

مشخصات کتاب

Clustering

دسته بندی: پایگاه داده ها
ویرایش: illustrated edition 
نویسندگان: Rui Xu. Don Wunsch  
سری: IEEE Press Series on Computational Intelligence 
ISBN (شابک) : 0470276800, 9780470382783 
ناشر: Wiley-IEEE Press 
سال نشر: 2008 
تعداد صفحات: 364 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 45,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 3

در صورت تبدیل فایل کتاب Clustering به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب خوشه بندی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب خوشه بندی

این اولین کتابی است که نگاهی واقعا جامع به خوشه بندی دارد. با مقدمه‌ای بر تحلیل خوشه‌ای شروع می‌شود و به بررسی موارد زیر می‌پردازد: معیارهای نزدیکی. خوشه بندی سلسله مراتبی؛ خوشه بندی پارتیشن؛ خوشه بندی مبتنی بر شبکه عصبی؛ خوشه بندی مبتنی بر هسته؛ خوشه بندی متوالی داده ها؛ خوشه بندی داده در مقیاس بزرگ؛ تجسم داده ها و خوشه بندی داده ها با ابعاد بالا؛ و اعتبار سنجی خوشه ای نویسندگان هیچ پیشینه قبلی در خوشه‌بندی را فرض نمی‌کنند و گنجاندن سخاوتمندانه مثال‌ها و منابع آنها به درک موضوع برای خوانندگان سطوح و زمینه‌های مختلف کمک می‌کند.

توضیحاتی درمورد کتاب به خارجی

This is the first book to take a truly comprehensive look at clustering. It begins with an introduction to cluster analysis and goes on to explore: proximity measures; hierarchical clustering; partition clustering; neural network-based clustering; kernel-based clustering; sequential data clustering; large-scale data clustering; data visualization and high-dimensional data clustering; and cluster validation. The authors assume no previous background in clustering and their generous inclusion of examples and references help make the subject matter comprehensible for readers of varying levels and backgrounds.