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: 1 نویسندگان: Vicenç Torra, Anders Dahlbom, Yasuo Narukawa (eds.) سری: Studies in Computational Intelligence 671 ISBN (شابک) : 9783319475561, 9783319475578 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 336 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب مجموعه های فازی، مجموعه های خشن، چند مجموعه و خوشه بندی: است
در صورت تبدیل فایل کتاب Fuzzy Sets, Rough Sets, Multisets and Clustering 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 مجموعه های فازی، مجموعه های خشن، چند مجموعه و خوشه بندی 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.
این کتاب به پروفسور ساداکی میاموتو تقدیم شده است و مقالات پیشرفتهای را در برخی از زمینههایی که او در آن مشارکت داشته است، ارائه میکند. این کتاب با گردآوری مشارکتهای محققان برجسته در این زمینه، به طور مشخص به خوشهبندی، چند مجموعه، مجموعههای ناهموار و مجموعههای فازی و همچنین کاربردهای آنها در زمینههایی مانند تصمیمگیری میپردازد.
این کتاب در چهار بخش تقسیمبندی شده است. که اولین آنها بر خوشه بندی و طبقه بندی تمرکز دارد. بخش دوم به چند مجموعه، کیف، کیسه های فازی و دیگر پسوندهای فازی توجه می کند، در حالی که قسمت سوم به مجموعه های خشن می پردازد. در تکمیل پوشش، قسمت آخر مجموعههای فازی و تصمیمگیری را بررسی میکند.
This book is dedicated to Prof. Sadaaki Miyamoto and presents cutting-edge papers in some of the areas in which he contributed. Bringing together contributions by leading researchers in the field, it concretely addresses clustering, multisets, rough sets and fuzzy sets, as well as their applications in areas such as decision-making.
The book is divided in four parts, the first of which focuses on clustering and classification. The second part puts the spotlight on multisets, bags, fuzzy bags and other fuzzy extensions, while the third deals with rough sets. Rounding out the coverage, the last part explores fuzzy sets and decision-making.
Front Matter....Pages i-x
On This Book: Clustering, Multisets, Rough Sets and Fuzzy Sets....Pages 1-5
Front Matter....Pages 7-7
Contributions of Fuzzy Concepts to Data Clustering....Pages 9-28
Fuzzy Clustering/Co-clustering and Probabilistic Mixture Models-Induced Algorithms....Pages 29-43
Semi-supervised Fuzzy c-Means Algorithms by Revising Dissimilarity/Kernel Matrices....Pages 45-61
Various Types of Objective-Based Rough Clustering....Pages 63-85
On Some Clustering Algorithms Based on Tolerance....Pages 87-99
Robust Clustering Algorithms Employing Fuzzy-Possibilistic Product Partition....Pages 101-121
Consensus-Based Agglomerative Hierarchical Clustering....Pages 123-135
Using a Reverse Engineering Type Paradigm in Clustering. An Evolutionary Programming Based Approach....Pages 137-155
On Hesitant Fuzzy Clustering and Clustering of Hesitant Fuzzy Data....Pages 157-168
Experiences Using Decision Trees for Knowledge Discovery....Pages 169-191
Front Matter....Pages 193-193
L-Fuzzy Bags....Pages 195-219
A Perspective on Differences Between Atanassov’s Intuitionistic Fuzzy Sets and Interval-Valued Fuzzy Sets....Pages 221-237
Front Matter....Pages 239-239
Attribute Importance Degrees Corresponding to Several Kinds of Attribute Reduction in the Setting of the Classical Rough Sets....Pages 241-255
A Review on Rough Set-Based Interrelationship Mining....Pages 257-273
Front Matter....Pages 275-275
OWA Aggregation of Probability Distributions Using the Probabilistic Exceedance Method....Pages 277-289
A Dynamic Average Value-at-Risk Portfolio Model with Fuzzy Random Variables....Pages 291-306
Group Decision Making: Consensus Approaches Based on Soft Consensus Measures....Pages 307-321
Construction of Capacities from Overlap Indexes....Pages 323-335
Clustering Alternatives and Learning Preferences Based on Decision Attitudes and Weighted Overlap Dominance....Pages 337-347