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: Guojun Gan
سری:
ISBN (شابک) : 1439862249, 9781439862247
ناشر: CRC Press
سال نشر: 2011
تعداد صفحات: 512
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Data Clustering in C++: An Object-Oriented Approach 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 داده ها در C++: یک رویکرد شی گرا 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.
خوشه بندی داده ها یک زمینه بسیار بین رشته ای است که هدف آن تقسیم مجموعه ای از اشیا به گروه های همگن است به طوری که اشیاء در یک گروه مشابه و اشیاء در گروه های مختلف کاملاً متمایز باشند. هزاران مقاله نظری و تعدادی کتاب در مورد خوشه بندی داده ها در 50 سال گذشته منتشر شده است. با این حال،
Data clustering is a highly interdisciplinary field, the goal of which is to divide a set of objects into homogeneous groups such that objects in the same group are similar and objects in different groups are quite distinct. Thousands of theoretical papers and a number of books on data clustering have been published over the past 50 years. However,
Front Cover Dedication Contents List of Figures List of Tables Preface I. Data Clustering and C++ Preliminaries 1. Introduction to Data Clustering 2. The Unified Modeling Language 3. Object-Oriented Programming and C++ 4. DesignPatterns 5. C++ Libraries and Tools II. A C++ Data Clustering Framework 6. The Clustering Library 7. Datasets 8. Clusters 9. Dissimilarity Measures 10. Clustering Algorithms 11. Utility Classes III. Data Clustering Algorithms 12. Agglomerative Hierarchical Algorithms 13. DIANA 14. The k-means Algorithm 15. The c-means Algorithm 16. The k-prototypes Algorithm 17. The Genetic k-modes Algorithm 18. The FSC Algorithm 19. The Gaussian Mixture Algorithm 20. A Parallel k-means Algorithm A. Exercises and Projects B. Listings C. Software Bibliography