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 Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition

دانلود کتاب تجزیه و تحلیل خوشه ای فازی: روش هایی برای طبقه بندی ، تجزیه و تحلیل داده ها و تشخیص تصویر

Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition

مشخصات کتاب

Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition

دسته بندی: سازمان و پردازش داده ها
ویرایش: 1 
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 0471988642, 9780471988649 
ناشر: John Wiley & Sons Ltd 
سال نشر: 1999 
تعداد صفحات: 289 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 15 مگابایت

قیمت کتاب (تومان) : 44,000



کلمات کلیدی مربوط به کتاب تجزیه و تحلیل خوشه ای فازی: روش هایی برای طبقه بندی ، تجزیه و تحلیل داده ها و تشخیص تصویر: علوم و مهندسی کامپیوتر، پردازش داده های رسانه ای، پردازش تصویر



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition 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 تجزیه و تحلیل خوشه ای فازی: روش هایی برای طبقه بندی ، تجزیه و تحلیل داده ها و تشخیص تصویر 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 تجزیه و تحلیل خوشه ای فازی: روش هایی برای طبقه بندی ، تجزیه و تحلیل داده ها و تشخیص تصویر

مقدمه ای به موقع و مهم برای تجزیه و تحلیل خوشه فازی، روش ها و حوزه های کاربردی آن ارائه می دهد، به طور سیستماتیک تکنیک های مختلف خوشه بندی فازی را توصیف می کند تا کاربر بتواند روش های مناسب برای مشکل خود را انتخاب کند. این یک نمای کلی بسیار کامل از موضوع ارائه می دهد و طبقه بندی، تشخیص تصویر، تجزیه و تحلیل داده ها و تولید قوانین را پوشش می دهد. مثال‌های کاربردی بسیار مرتبط و گویا هستند، و استفاده از تکنیک‌ها توجیه‌شده و به‌خوبی فکر شده است. ویژگی‌ها عبارتند از: بخش‌هایی درباره القای قوانین if-then فازی با خوشه‌بندی فازی و بهینه‌سازی غیر متناوب، الگوریتم‌های خوشه‌بندی فازی. تکنیک های خوشه بندی فازی مانند c-means فازی، الگوریتم Gustafson-Kessel و Gath-and-Geva برای مسائل طبقه بندی * تمرکز بر تکنیک های خوشه بندی خطی و پوسته ای که برای تشخیص خطوط در تجزیه و تحلیل تصویر استفاده می شود * نرم افزار همراه و مجموعه داده های مربوط به نمونه ها ارائه شده، خواننده را قادر به یادگیری از طریق آزمایش می کند * بررسی مشکلات موجود در ارزیابی نتایج تجزیه و تحلیل خوشه فازی و تعیین تعداد خوشه ها با تجزیه و تحلیل معیارهای اعتبار جهانی و محلی این یکی از جامع ترین کتاب ها در زمینه خوشه بندی فازی است. مورد استقبال دانشمندان کامپیوتر، مهندسان و ریاضیدانان صنعت و پژوهش که با روش‌های مختلف، تجزیه و تحلیل داده‌ها، تشخیص الگو یا پردازش تصویر سروکار دارند، باشد. همچنین به دانشجویان فارغ التحصیل در رشته های علوم کامپیوتر، ریاضیات یا آمار یک نمای کلی ارزشمند می دهد.


توضیحاتی درمورد کتاب به خارجی

Provides a timely and important introduction to fuzzy cluster analysis, its methods and areas of application, systematically describing different fuzzy clustering techniques so the user may choose methods appropriate for his problem. It provides a very thorough overview of the subject and covers classification, image recognition, data analysis and rule generation. The application examples are highly relevant and illustrative, and the use of the techniques are justified and well thought-out.Features include:* Sections on inducing fuzzy if-then rules by fuzzy clustering and non-alternating optimization fuzzy clustering algorithms* Discussion of solid fuzzy clustering techniques like the fuzzy c-means, the Gustafson-Kessel and the Gath-and-Geva algorithm for classification problems* Focus on linear and shell clustering techniques used for detecting contours in image analysis* Accompanying software and data sets pertaining to the examples presented, enabling the reader to learn through experimentation* Examination of the difficulties involved in evaluating the results of fuzzy cluster analysis and of determining the number of clusters with analysis of global and local validity measuresThis is one of the most comprehensive books on fuzzy clustering and will be welcomed by computer scientists, engineers and mathematicians in industry and research who are concerned with different methods, data analysis, pattern recognition or image processing. It will also give graduate students in computer science, mathematics or statistics a valuable overview.



فهرست مطالب

Contents......Page f005.djvu
Preface......Page f009.djvu
Introduction......Page p001.djvu
1.1 Analysis of data......Page p005.djvu
1.2 Cluster analysis......Page p008.djvu
1.3 Objective function-based cluster analysis......Page p011.djvu
1.4 Fuzzy analysis of data......Page p017.djvu
1.5 Special objective functions......Page p020.djvu
1.6 A principal clustering algorithm......Page p028.djvu
1.7 Unknown number of clusters problem......Page p031.djvu
2 Classical Fuzzy Clustering Algorithms......Page p035.djvu
2.1 The fuzzy c-means algorithm......Page p037.djvu
2.2 The Gustafson-Kessel algorithm......Page p043.djvu
2.3 The Gath-Geva algorithm......Page p049.djvu
2.4 Simplified versions of GK and GG......Page p054.djvu
2.5 Computational effort......Page p058.djvu
3.1 The fuzzy c-varieties algorithm......Page p061.djvu
3.2 The adaptive fuzzy clustering algorithm......Page p070.djvu
3.3 Algorithms by Gustafson/Kessel and Gath/Geva......Page p074.djvu
3.4 Computational effort......Page p075.djvu
4 Shell Prototypes......Page p077.djvu
4.1 The fuzzy c-shells algorithm......Page p078.djvu
4.2 The fuzzy c-spherical shells algorithm......Page p083.djvu
4.3 The adaptive fuzzy c-shells algorithm......Page p086.djvu
4.4 The fuzzy c-ellipsoidal shells algorithm......Page p092.djvu
4.5 The fuzzy c-ellipses algorithm......Page p099.djvu
4.6 The fuzzy c-quadric shells algorithm......Page p101.djvu
4.7 The modified FCQS algorithm......Page p107.djvu
4.8 Computational effort......Page p113.djvu
5 Polygonal Object Boundaries......Page p115.djvu
5.1 Detection of rectangles......Page p117.djvu
5.2 The fuzzy c-rectangular shells algorithm......Page p132.djvu
5.3 The fuzzy c-2-rectangular shells algorithm......Page p145.djvu
5.4 Computational effort......Page p155.djvu
6 Cluster Estimation Models......Page p157.djvu
6.1 AO membership functions......Page p158.djvu
6.2 ACE membership functions......Page p159.djvu
6.3 Hyperconic clustering (dancing cones)......Page p161.djvu
6.4 Prototype defuzzification......Page p165.djvu
6.5 ACE for higher-order prototypes......Page p171.djvu
6.6 Acceleration of the Clustering Process......Page p177.djvu
6.6.1 Fast Alternating Cluster Estimation (FACE)......Page p178.djvu
6.6.2 Regular Alternating Cluster Estimation (rACE)......Page p182.djvu
6.7 Comparison: AO and ACE......Page p183.djvu
7 Cluster Validity......Page p185.djvu
7.1.1 Solid clustering validity measures......Page p188.djvu
7.1.2 Shell clustering validity measures......Page p198.djvu
7.2 Local validity measures......Page p200.djvu
7.2.1 The compatible cluster merging algorithm......Page p201.djvu
7.2.2 The unsupervised FCSS algorithm......Page p207.djvu
7.2.3 The contour density criterion......Page p215.djvu
7.2.4 The unsupervised (M)FCQS algorithm......Page p221.djvu
7.3 Initialization by edge detection......Page p233.djvu
8.1 From membership matrices to membership functions......Page p239.djvu
8.1.1 Interpolation......Page p240.djvu
8.1.2 Projection and cylindrical extension......Page p241.djvu
8.1.3 Convex completion......Page p243.djvu
8.1.4 Approximation......Page p244.djvu
8.1.5 Cluster estimation with ACE......Page p247.djvu
8.2 Rules for fuzzy classifiers......Page p248.djvu
8.2.1 Input space clustering......Page p249.djvu
8.2.2 Cluster projection......Page p250.djvu
8.3.1 Input ouput product space clustering......Page p261.djvu
8.3.2 Input space clustering......Page p266.djvu
8.4 Choice of the clustering domain......Page p268.djvu
A.2 Influence of scaling on the cluster partition......Page p271.djvu
A.4 Transformation to straight lines......Page p274.djvu
References......Page p277.djvu
Index......Page p286.djvu




نظرات کاربران

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