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 High Performance Data Mining

دانلود کتاب معدنکاری با کارایی بالا

مشخصات کتاب

High Performance Data Mining

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش:  
نویسندگان: Guo. Grossman. (eds.)  
سری:  
ISBN (شابک) : 030647011X 
ناشر: Kluwer 
سال نشر: 2000 
تعداد صفحات: 111 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت

قیمت کتاب (تومان) : 48,000

کلمات کلیدی مربوط به کتاب معدنکاری با کارایی بالا: علوم و مهندسی کامپیوتر، هوش مصنوعی، داده کاوی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 17

در صورت تبدیل فایل کتاب High Performance 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 معدنکاری با کارایی بالا 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 معدنکاری با کارایی بالا

شامل چهار مقاله داوری است که طبقات مهمی از الگوریتم های داده کاوی را پوشش می دهد: طبقه بندی، خوشه بندی، کشف قانون ارتباط، و یادگیری شبکه های بیزی. Srivastava و همکاران تجزیه و تحلیل دقیقی از استراتژی موازی سازی الگوریتم های القای درخت ارائه می دهند. Xu و همکاران یک الگوریتم خوشه بندی موازی برای ماشین های حافظه توزیع شده ارائه می دهند. یک الگوریتم مقیاس پذیر جدید برای کشف قوانین ارتباط و بررسی استراتژی های دیگر توسط Cheung و همکاران پوشش داده شده است. مقاله نهایی که توسط Xiang و همکاران نوشته شده است، الگوریتمی را برای یادگیری موازی شبکه های بیزی توصیف می کند. هدف این مقالات اتخاذ یک رویکرد عملی برای کاربردهای استخراج در مقیاس بزرگ و افزایش دانش قابل استفاده در مورد فناوری محاسبات با کارایی بالا است. فاقد نمایه موضوعی

توضیحاتی درمورد کتاب به خارجی

Contains four refereed papers covering important classes of data mining algorithms: classification, clustering, association rule discovery, and learning Bayesian networks. Srivastava et al present a detailed analysis of the parallelization strategy of tree induction algorithms. Xu et al present a parallel clustering algorithm for distributed memory machines. A new scalable algorithm for association rule discovery and a survey of other strategies is covered by Cheung et al. The final paper, written by Xiang et al, describes an algorithm for parallel learning of Bayesian networks. The papers aim to take a practical approach to large scale mining applications and increase useable knowledge concerning high performance computing technology. Lacks a subject index.