دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Mining, Rough Sets and Granular Computing
دانلود کتاب داده کاوی ، Rough Sets و محاسبه گرانول
مشخصات کتاب
Data Mining, Rough Sets and Granular Computing
ویرایش: 1 نویسندگان: Lotfi A. Zadeh (auth.), Professor Tsau Young Lin, Professor Yiyu Y. Yao, Professor Lotfi A. Zadeh (eds.) سری: Studies in Fuzziness and Soft Computing 95 ISBN (شابک) : 9783790825084, 9783790817911 ناشر: Physica-Verlag Heidelberg سال نشر: 2002 تعداد صفحات: 538 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
قیمت کتاب (تومان) : 44,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب داده کاوی ، Rough Sets و محاسبه گرانول: هوش مصنوعی (شامل رباتیک)، مدیریت پایگاه داده
در صورت تبدیل فایل کتاب Data Mining, Rough Sets and Granular Computing 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 داده کاوی ، Rough Sets و محاسبه گرانول 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 داده کاوی ، Rough Sets و محاسبه گرانول
در طول چند سال گذشته، داده کاوی به سرعت در پردازش اطلاعات و تجزیه و تحلیل تصمیم گیری از نظر دید و اهمیت افزایش یافته است. این امر به ویژه در حوزه تجارت الکترونیک صادق است، جایی که داده کاوی از وضعیت \"دارای خوب\" به وضعیت \"ضروری\" در حال حرکت است. در یک زمینه متفاوت هر چند مرتبط، یک روش محاسباتی جدید به نام محاسبات دانه ای به عنوان یک ابزار قدرتمند برای تصور، تجزیه و تحلیل و طراحی سیستم های اطلاعاتی/هوشمند در حال ظهور است. در اصل، داده کاوی با خلاصه کردن اطلاعاتی سر و کار دارد که در مجموعه داده های بزرگ قرار دارند، در حالی که محاسبات دانه ای نقش کلیدی را در فرآیند خلاصه سازی با کنار هم قرار دادن نقاط (اشیاء) که از طریق شباهت، مجاورت یا عملکرد به هم مرتبط هستند، ایفا می کند. در این دیدگاه، محاسبات دانه‌ای در داده‌کاوی دارای جایگاه مرکزی است. روش دیگری که ارتباط بالایی با داده کاوی دارد و نقش اصلی را در این حجم ایفا می کند، نظریه مجموعه های خشن است. اساساً، نظریه مجموعه های خشن را می توان به عنوان شاخه ای از محاسبات دانه ای در نظر گرفت. با این حال، کاربردهای آن در داده کاوی قبل از محاسبات دانه ای بوده است.
توضیحاتی درمورد کتاب به خارجی
During the past few years, data mining has grown rapidly in visibility and importance within information processing and decision analysis. This is par ticularly true in the realm of e-commerce, where data mining is moving from a "nice-to-have" to a "must-have" status. In a different though related context, a new computing methodology called granular computing is emerging as a powerful tool for the conception, analysis and design of information/intelligent systems. In essence, data mining deals with summarization of information which is resident in large data sets, while granular computing plays a key role in the summarization process by draw ing together points (objects) which are related through similarity, proximity or functionality. In this perspective, granular computing has a position of centrality in data mining. Another methodology which has high relevance to data mining and plays a central role in this volume is that of rough set theory. Basically, rough set theory may be viewed as a branch of granular computing. However, its applications to data mining have predated that of granular computing.
فهرست مطالب
Front Matter....Pages I-IX
Front Matter....Pages 1-1
Some Reflections on Information Granulation and its Centrality in Granular Computing, Computing with Words, the Computational Theory of Perceptions and Precisiated Natural Language....Pages 3-20
Front Matter....Pages 21-21
Data Mining Using Granular Computing: Fast Algorithms for Finding Association Rules....Pages 23-45
Knowledge Discovery with Words Using Cartesian Granule Features: An Analysis for Classification Problems....Pages 46-90
Validation of Concept Representation with Rule Induction and Linguistic Variables....Pages 91-101
Granular Computing Using Information Tables....Pages 102-124
A Query-Driven Interesting Rule Discovery Using Associations and Spanning Operations....Pages 125-141
Front Matter....Pages 143-143
An Interactive Visualization System for Mining Association Rules....Pages 145-165
Algorithms for Mining System Audit Data....Pages 166-189
Scoring and Ranking the Data Using Association Rules....Pages 190-215
Finding Unexpected Patterns in Data....Pages 216-231
Discovery of Approximate Knowledge in Medical Databases Based on Rough Set Model....Pages 232-246
Front Matter....Pages 247-247
Observability and the Case of Probability....Pages 249-264
Granulation and Granularity via Conceptual Structures: A Perspective From the Point of View of Fuzzy Concept Lattices....Pages 265-289
Granular Computing with Closeness and Negligibility Relations....Pages 290-307
Application of Granularity Computing to Confirm Compliance with Non-Proliferation Treaty....Pages 308-338
Basic Issues of Computing with Granular Probabilities....Pages 339-349
Multi-dimensional Aggregation of Fuzzy Numbers Through the Extension Principle....Pages 350-363
On Optimal Fuzzy Information Granulation....Pages 364-397
Ordinal Decision Making with a Notion of Acceptable: Denoted Ordinal Scales....Pages 398-413
A Framework for Building Intelligent Information-Processing Systems Based on Granular Factors Space....Pages 414-444
Front Matter....Pages 445-445
GRS: A Generalized Rough Sets Model....Pages 447-460
Structure of Upper and Lower Approximation Spaces of Infinite Sets....Pages 461-473
Indexed Rough Approximations, A Polymodal System, and Generalized Possibility Measures....Pages 474-486
Granularity, Multi-valued Logic, Bayes’ Theorem and Rough Sets....Pages 487-498
The Generic Rough Set Inductive Logic Programming (gRS—ILP) Model....Pages 499-517
Possibilistic Data Analysis and Its Similarity to Rough Sets....Pages 518-536
Back Matter....Pages 536-536
