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: Hennig. Christian, Meila. Marina, Murtagh. Fionn, Rocci. Roberto سری: Chapman & Hall/CRC handbooks of modern statistical methods ISBN (شابک) : 9781466551893, 1466551895 ناشر: CRC Press, a Chapman & Hall book سال نشر: 2016 تعداد صفحات: 753 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 38 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب کتابچه تجزیه و تحلیل خوشه: تجزیه و تحلیل خوشه ای.، تحلیل فضایی (آمار)، تحلیل خوشه ای، تحلیل خوشه ای
در صورت تبدیل فایل کتاب Handbook of cluster analysis 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 کتابچه تجزیه و تحلیل خوشه 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.
کتابچه راهنمای تجزیه و تحلیل خوشه ای گزارشی جامع و یکپارچه از تحولات تحقیقاتی اصلی در تجزیه و تحلیل خوشه ای ارائه می دهد. این کتاب که توسط محققان فعال و برجسته در این زمینه نوشته شده است، به خوانندگان کمک می کند تا انتخاب های آگاهانه ای از مناسب ترین رویکرد خوشه بندی برای مشکل خود داشته باشند و از ابزارهای تجزیه و تحلیل خوشه ای موجود بهتر استفاده کنند. این کتاب با توجه به رویکردهای اصلی سنتی تجزیه و تحلیل خوشه ای، از مبدأ تا تحولات اخیر سازماندهی شده است. پس از مروری بر رویکردها و سفری سریع در تاریخ تجزیه و تحلیل خوشهای، این کتاب بر چهار رویکرد اصلی تحلیل خوشهای تمرکز میکند. این رویکردها شامل روشهایی برای بهینهسازی یک تابع هدف است که توصیف میکند چگونه دادهها حول مرکزها، روشهای مبتنی بر عدم تشابه، مدلهای مخلوط و مدلهای تقسیمبندی، و روشهای خوشهبندی الهامگرفته از تخمین چگالی ناپارامتریک هستند. این کتاب همچنین رویکردهای اضافی برای تجزیه و تحلیل خوشه، از جمله خوشه بندی محدود و نیمه نظارت شده را توصیف می کند، و سایر موضوعات مرتبط، مانند ارزیابی کیفیت یک خوشه را بررسی می کند. این کتاب راهنما برای خوانندگان رشته های مختلف قابل دسترسی است و ماهیت بین رشته ای تحلیل خوشه ای را منعکس می کند. برای کسانی که قبلاً با تجزیه و تحلیل خوشهای تجربه کردهاند، این کتاب یک نمای کلی و ساختار یافته ارائه میدهد. برای تازه واردان به این حوزه، مقدمه ای بر مسائل کلیدی ارائه می کند. برای محققانی که به طور موقت یا حاشیه ای با مشکلات تجزیه و تحلیل خوشه ای درگیر هستند، این کتاب جزئیات الگوریتمی و عملی کافی را برای تسهیل دانش کاری حوزه های خوشه بندی خاص ارائه می دهد.
Handbook of Cluster Analysis provides a comprehensive and unified account of the main research developments in cluster analysis. Written by active, distinguished researchers in this area, the book helps readers make informed choices of the most suitable clustering approach for their problem and make better use of existing cluster analysis tools. The book is organized according to the traditional core approaches to cluster analysis, from the origins to recent developments. After an overview of approaches and a quick journey through the history of cluster analysis, the book focuses on the four major approaches to cluster analysis. These approaches include methods for optimizing an objective function that describes how well data is grouped around centroids, dissimilarity-based methods, mixture models and partitioning models, and clustering methods inspired by nonparametric density estimation. The book also describes additional approaches to cluster analysis, including constrained and semi-supervised clustering, and explores other relevant issues, such as evaluating the quality of a cluster. This handbook is accessible to readers from various disciplines, reflecting the interdisciplinary nature of cluster analysis. For those already experienced with cluster analysis, the book offers a broad and structured overview. For newcomers to the field, it presents an introduction to key issues. For researchers who are temporarily or marginally involved with cluster analysis problems, the book gives enough algorithmic and practical details to facilitate working knowledge of specific clustering areas.
Optimization Methods. Dissimilarity-Based Methods. Methods Based on Probability Models. Methods Based on Density Modes and Level Sets. Specific Cluster and Data Formats. Cluster Validation and Further General Issues.