ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Finding Patterns in Three-Dimensional Graphs: Algorithms and Applications to Scientific Data Mining

دانلود کتاب یافتن الگوهای در نمودارهای سه بعدی: الگوریتم ها و برنامه های کاربردی برای داده کاوی علمی

Finding Patterns in Three-Dimensional Graphs: Algorithms and Applications to Scientific Data Mining

مشخصات کتاب

Finding Patterns in Three-Dimensional Graphs: Algorithms and Applications to Scientific Data Mining

دسته بندی: نظریه نمودار
ویرایش:  
نویسندگان: , ,   
سری:  
 
ناشر:  
سال نشر: 2002 
تعداد صفحات: 19 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 562 کیلوبایت

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Finding Patterns in Three-Dimensional Graphs: Algorithms and Applications to Scientific Data Mining 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 یافتن الگوهای در نمودارهای سه بعدی: الگوریتم ها و برنامه های کاربردی برای داده کاوی علمی 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 یافتن الگوهای در نمودارهای سه بعدی: الگوریتم ها و برنامه های کاربردی برای داده کاوی علمی

این مقاله روشی را برای یافتن الگوها در نمودارهای سه بعدی ارائه می کند. هر گره در نمودار یک واحد تجزیه ناپذیر یا اتمی است و دارای یک برچسب است. لبه ها پیوندهای بین واحدهای اتمی هستند. الگوها زیرساخت‌های سفت و سختی هستند که ممکن است پس از مجاز کردن تعداد دلخواه چرخش و ترجمه کل ساختار و همچنین تعداد کمی از عملیات ویرایش در الگوها یا در نمودار در یک نمودار ایجاد شوند. (زمانی که یک الگو تنها پس از اصلاح نمودار در یک نمودار ظاهر می شود، آن ظاهر را رخداد تقریبی می نامیم.º) عملیات ویرایش شامل برچسب زدن مجدد یک گره، حذف یک گره و درج یک گره است. روش پیشنهادی مبتنی بر تکنیک درهم‌سازی هندسی است که سه‌گانه‌های گره‌ای از نمودارها را در یک جدول سه‌بعدی هش می‌کند و سه‌قلوهای برچسب را در جدول فشرده می‌کند. برای نشان دادن کاربرد الگوریتم‌هایمان، دو کاربرد آنها را در داده‌کاوی علمی مورد بحث قرار می‌دهیم. ابتدا، ما این روش را برای مکان یابی نقوش مکرر در دو خانواده از پروتئین های مربوط به DNA پلیمراز هدایت شده با RNA و سنتاز تیمیدیلات اعمال می کنیم و از نقوش برای طبقه بندی پروتئین ها استفاده می کنیم. سپس، ما این روش را برای خوشه‌بندی ترکیبات شیمیایی مربوط به آروماتیک، دو حلقه‌ای و فتوسنتز اعمال می‌کنیم. نتایج تجربی نشان‌دهنده عملکرد خوب الگوریتم‌های ما و نرخ‌های فراخوان و دقت بالا برای طبقه‌بندی و خوشه‌بندی است.


توضیحاتی درمورد کتاب به خارجی

This paper presents a method for finding patterns in 3D graphs. Each node in a graph is an undecomposable or atomic unit and has a label. Edges are links between the atomic units. Patterns are rigid substructures that may occur in a graph after allowing for an arbitrary number of whole-structure rotations and translations as well as a small number (specified by the user) of edit operations in the patterns or in the graph. (When a pattern appears in a graph only after the graph has been modified, we call that appearance approximate occurrence.º) The edit operations include relabeling a node, deleting a node and inserting a node. The proposed method is based on the geometric hashing technique, which hashes node-triplets of the graphs into a 3D table and compresses the labeltriplets in the table. To demonstrate the utility of our algorithms, we discuss two applications of them in scientific data mining. First, we apply the method to locating frequently occurring motifs in two families of proteins pertaining to RNA-directed DNA Polymerase and Thymidylate Synthase and use the motifs to classify the proteins. Then, we apply the method to clustering chemical compounds pertaining to aromatic, bicyclicalkanes, and photosynthesis. Experimental results indicate the good performance of our algorithms and high recall and precision rates for both classification and clustering.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی