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: Antonio Mucherino, Petraq J. Papajorgji, Panos M. Pardalos (auth.) سری: Springer Optimization and Its Applications 34 ISBN (شابک) : 0387886141, 9780387886145 ناشر: Springer-Verlag New York سال نشر: 2009 تعداد صفحات: 291 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب داده کاوی در کشاورزی: تحقیق در عملیات، برنامه ریزی ریاضی، ریاضی. Appl. در علوم محیطی، مدلسازی ریاضی و ریاضیات صنعتی، کشاورزی
در صورت تبدیل فایل کتاب Data Mining in Agriculture 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 در کشاورزی 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.
داده کاوی در کشاورزی نشان دهنده تلاشی جامع برای ارائه متنی تحلیلی به دانشجویان و محققین فارغ التحصیل در مورد تکنیک های داده کاوی در زمینه های کشاورزی و مرتبط با محیط زیست است. این کتاب بینش های نظری و عملی را با تمرکز بر ارائه زمینه هر تکنیک داده کاوی به طور شهودی با مثال های عینی فراوان ارائه می دهد که به صورت گرافیکی و با الگوریتم های نوشته شده در MATLAB® ارائه شده اند.
در پایان هر فصل مثال ها و تمرین هایی با راه حل ارائه شده است تا درک مطلب را تسهیل کند. برای هر تکنیک داده کاوی شرح داده شده در کتاب، انواع و بهبودهای الگوریتم پایه نیز ارائه شده است.
همچنین توسط P.J. Papajorgji و P.M. Pardalos: Advances in Modeling Agricultural Systems, 'Springer Optimization and its Applications' vol. 25، ©2009.
Data Mining in Agriculture represents a comprehensive effort to provide graduate students and researchers with an analytical text on data mining techniques applied to agriculture and environmental related fields. This book presents both theoretical and practical insights with a focus on presenting the context of each data mining technique rather intuitively with ample concrete examples represented graphically and with algorithms written in MATLAB®.
Examples and exercises with solutions are provided at the end of each chapter to facilitate the comprehension of the material. For each data mining technique described in the book variants and improvements of the basic algorithm are also given.
Also by P.J. Papajorgji and P.M. Pardalos: Advances in Modeling Agricultural Systems, 'Springer Optimization and its Applications' vol. 25, ©2009.
Front Matter....Pages 1-16
Introduction to Data Mining....Pages 1-21
Statistical Based Approaches....Pages 23-45
Clustering by k -means....Pages 47-82
k -Nearest Neighbor Classification....Pages 83-106
Artificial Neural Networks....Pages 107-122
Support Vector Machines....Pages 123-141
Biclustering....Pages 143-160
Validation....Pages 161-172
Data Mining in a Parallel Environment....Pages 173-184
Solutions to Exercises....Pages 185-218
Back Matter....Pages 1-52