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:
نویسندگان: Piotr Hońko
سری:
ISBN (شابک) : 9783319527512
ناشر: Springer
سال نشر: 2017
تعداد صفحات: 126
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Granular-Relational 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 داده کاوی گرانولی-رابطه ای 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 دو رویکرد محاسباتی دانهای کلی برای استخراج دادههای
رابطهای ارائه میکند، که اولی از توصیفات انتزاعی اشیاء
رابطهای برای ساختن نمایش دانهای آنها استفاده میکند، در
حالی که دومی راهحلهای داده کاوی دانهای موجود را به یک مورد
رابطهای گسترش میدهد.
هر دو. رویکردها انجام و بهبود وظایف رایج داده کاوی مانند طبقه
بندی، خوشه بندی و کشف ارتباط را ممکن می سازند. چگونه می توان
وظایف مختلف داده کاوی رابطه ای را به بهترین نحو یکپارچه کرد؟
چگونه می توان فرآیند ساخت الگوهای رابطه ای را ساده کرد؟ چگونه
می توان دانش غنی تر از داده های رابطه ای را کشف کرد؟ به همه
این پرسشها میتوان به یک روش پاسخ داد: با استخراج دادههای
رابطهای در الگوی محاسبات دانهای!
این کتاب به خوانندگانی که تجربه قبلی در زمینه دادهکاوی
رابطهای دارند، این امکان را میدهد تا مزایای فراوان
چشمانداز دانهای آن را کشف کنند. به نوبه خود، آن دسته از
خوانندگانی که با پارادایم محاسبات دانه ای آشنا هستند، بینش
های ارزشمندی در مورد کاربرد آن در استخراج داده های رابطه ای
پیدا خواهند کرد. در نهایت، این کتاب به همه خوانندگان
علاقهمند به هوش محاسباتی در معنای وسیعتر این فرصت را میدهد
تا درک خود را از دادهکاوی دانهای-رابطهای میدانی تازه در
حال ظهور عمیقتر کنند.
This book provides two general granular computing approaches
to mining relational data, the first of which uses abstract
descriptions of relational objects to build their granular
representation, while the second extends existing granular
data mining solutions to a relational case.
Both approaches make it possible to perform and improve
popular data mining tasks such as classification, clustering,
and association discovery. How can different relational data
mining tasks best be unified? How can the construction
process of relational patterns be simplified? How can richer
knowledge from relational data be discovered? All these
questions can be answered in the same way: by mining
relational data in the paradigm of granular computing!
This book will allow readers with previous experience in the
field of relational data mining to discover the many benefits
of its granular perspective. In turn, those readers familiar
with the paradigm of granular computing will find valuable
insights on its application to mining relational data.
Lastly, the book offers all readers interested in
computational intelligence in the broader sense the
opportunity to deepen their understanding of the newly
emerging field granular-relational data mining.
Front Matter....Pages i-xv
Introduction....Pages 1-6
Front Matter....Pages 7-7
Information System for Relational Data....Pages 9-19
Properties of Granular-Relational Data Mining Framework....Pages 21-28
Association Discovery and Classification Rule Mining....Pages 29-38
Rough-Granular Computing....Pages 39-48
Front Matter....Pages 49-49
Compound Information Systems....Pages 51-63
From Granular-Data Mining Framework to Its Relational Version....Pages 65-81
Relation-Based Granules....Pages 83-97
Compound Approximation Spaces....Pages 99-114
Conclusions....Pages 115-116
Back Matter....Pages 117-123