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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Sugato Basu, Ian Davidson, Kiri Wagstaff سری: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series ISBN (شابک) : 1584889969, 9781584889977 ناشر: Chapman and Hall/CRC سال نشر: 2008 تعداد صفحات: 469 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Constrained clustering: Advances in algorithms, theory, and applications 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 محدود: پیشرفت در الگوریتم ها، نظریه ها و برنامه های کاربردی 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.
الگوریتمها
پنج فصل اول این جلد به بررسی پیشرفتها در استفاده از محدودیتهای زوجی در سطح نمونه برای خوشهبندی پارتیشنی و سلسله مراتبی میپردازد. سپس این کتاب انواع دیگری از محدودیتها را برای خوشهبندی، از جمله متعادلسازی اندازه خوشه، حداقل اندازه خوشه و محدودیتهای رابطهای در سطح خوشه بررسی میکند.
تئوری
همچنین تغییرات خوشهبندی سنتی تحت محدودیتها و همچنین الگوریتمهای تقریب را با تضمین عملکرد مفید توصیف میکند.
برنامهها
این کتاب با اعمال خوشهبندی با محدودیتهایی برای دادههای رابطهای، انتشار دادههای حفظ حریم خصوصی، و دادههای نظارت تصویری به پایان میرسد. این یک رویکرد خوشهبندی بصری تعاملی، یک رویکرد یادگیری متریک از راه دور، محدودیتهای وجودی، و محدودیتهای تولید شده به طور خودکار بحث میکند.
با مشارکت محققان صنعتی و کارشناسان برجسته دانشگاهی که در این زمینه پیشگام بودند، این جلد پوشش کاملی از قابلیتها و محدودیتهای روشهای خوشهبندی محدود ارائه میکند و همچنین انواع جدیدی از محدودیتها و الگوریتمهای خوشهبندی را معرفی میکند.
Algorithms
The first five chapters of this volume investigate advances in the use of instance-level, pairwise constraints for partitional and hierarchical clustering. The book then explores other types of constraints for clustering, including cluster size balancing, minimum cluster size,and cluster-level relational constraints.
Theory
It also describes variations of the traditional clustering under constraints problem as well as approximation algorithms with helpful performance guarantees.
Applications
The book ends by applying clustering with constraints to relational data, privacy-preserving data publishing, and video surveillance data. It discusses an interactive visual clustering approach, a distance metric learning approach, existential constraints, and automatically generated constraints.
With contributions from industrial researchers and leading academic experts who pioneered the field, this volume delivers thorough coverage of the capabilities and limitations of constrained clustering methods as well as introduces new types of constraints and clustering algorithms.