دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Ludmila I. Kuncheva
سری:
ISBN (شابک) : 9781118315231
ناشر: Wiley
سال نشر: 2014
تعداد صفحات: 382
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Combining Pattern Classifiers, 2nd Edition: Methods and Algorithms 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 ترکیب طبقه بندی کننده های الگوی ، نسخه 2: روش ها و الگوریتم ها 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.
درمان یکپارچه و منسجم از روشهای گروه طبقهبندیکننده کنونی، از مبانی تشخیص الگو تا انتخاب ویژگیهای مجموعه، اکنون در ویرایش دوم خود هنر و علم ترکیب طبقهبندیکنندههای الگوی از زمان انتشار اولین ویرایش از طبقهبندیکنندههای الگوی ترکیبی، در رشتهای پربار رشد کرده است. در سال 2004. دکتر کونچوا از چشم انداز غنی ادبیات گروه طبقه بندی کننده اخیر موضوعات، روش ها و الگوریتم هایی را استخراج کرده است که خواننده را به سمت درک عمیق تر از اصول، طراحی و کاربردهای روش های مجموعه طبقه بندی کننده راهنمایی می کند. بهطور کامل بهروزرسانی شده، با کد MATLAB® و مجموعههای دادههای تمرینی، ترکیب طبقهبندیکنندههای الگو شامل: پوشش نظریه تصمیم بیز و مقایسه تجربی طبقهبندیکنندهها روشهای مجموعه ضروری مانند Bagging، Random Forest، AdaBoost، Random subspace، Rotation Forest، Random Oracle، و خطا در تصحیح کد خروجی، از جمله فصول مربوط به انتخاب طبقهبندیکننده، تنوع، و انتخاب ویژگیهای مجموعه با پایه محکم در مبانی تشخیص الگو، و دارای بیش از 140 تصویر، ترکیب طبقهبندیکنندههای الگو، ویرایش دوم مرجع ارزشمندی برای دانشجویان کارشناسی ارشد، محققین است. ، و شاغلین در محاسبات و مهندسی.
A unified, coherent treatment of current classifier ensemble methods, from fundamentals of pattern recognition to ensemble feature selection, now in its second edition The art and science of combining pattern classifiers has flourished into a prolific discipline since the first edition of Combining Pattern Classifiers was published in 2004. Dr. Kuncheva has plucked from the rich landscape of recent classifier ensemble literature the topics, methods, and algorithms that will guide the reader toward a deeper understanding of the fundamentals, design, and applications of classifier ensemble methods. Thoroughly updated, with MATLAB® code and practice data sets throughout, Combining Pattern Classifiers includes: Coverage of Bayes decision theory and experimental comparison of classifiers Essential ensemble methods such as Bagging, Random forest, AdaBoost, Random subspace, Rotation forest, Random oracle, and Error Correcting Output Code, among others Chapters on classifier selection, diversity, and ensemble feature selection With firm grounding in the fundamentals of pattern recognition, and featuring more than 140 illustrations, Combining Pattern Classifiers, Second Edition is a valuable reference for postgraduate students, researchers, and practitioners in computing and engineering.