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 High Performance Data Mining in Time Series: Techniques and Case Studies

دانلود کتاب کاوی داده با کارایی بالا در سری زمان: تکنیک ها و مطالعات موردی

High Performance Data Mining in Time Series: Techniques and Case Studies

مشخصات کتاب

High Performance Data Mining in Time Series: Techniques and Case Studies

دسته بندی: آمار ریاضی
ویرایش:  
نویسندگان:   
سری:  
 
ناشر:  
سال نشر: 2004 
تعداد صفحات: 274 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 63,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب High Performance Data Mining in Time Series: Techniques and Case Studies 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 کاوی داده با کارایی بالا در سری زمان: تکنیک ها و مطالعات موردی 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 کاوی داده با کارایی بالا در سری زمان: تکنیک ها و مطالعات موردی

بخش اول این پایان نامه چارچوبی را برای داده کاوی سری زمانی با کارایی بالا بر اساس اصول اولیه مهم تشریح می کند. تبدیل کاهش داده ها مانند تبدیل فوریه گسسته، تبدیل موجک گسسته، تجزیه ارزش منفرد و طرح ریزی تصادفی می تواند اندازه داده ها را بدون از دست دادن قابل توجهی کاهش دهد، بنابراین خلاصه ای از داده ها را ارائه می دهد. روش‌های نمایه‌سازی داده‌ها را به گونه‌ای سازماندهی می‌کنند که داده‌های سری زمانی را می‌توان به طور موثر بازیابی کرد. دگرگونی در سری های زمانی، مانند جابجایی، مقیاس بندی، تغییر زمانی، مقیاس بندی زمانی و تاب برداشتن زمانی پویا، کشف الگوهای انعطاف پذیر از سری های زمانی را تسهیل می کند. بخش دوم این پایان نامه، اصول اولیه فوق را در برنامه های کاربردی مفید از موسیقی گرفته تا فیزیک و امور مالی و پزشکی ادغام می کند.


توضیحاتی درمورد کتاب به خارجی

The first part of this dissertation describes the framework for high performance time series data mining based on important primitives. Data reduction transform such as the Discrete Fourier Transform, the Discrete Wavelet Transform, Singular Value Decomposition and Random Projection, can reduce the size of the data without substantial loss of information, therefore provides a synopsis of the data. Indexing methods organize data so that the time series data can be retrieved e+ciently. Transformation on time series, such as shifting, scaling, time shifting, time scaling and dynamic time warping, facilitates the discovery of flexible patterns from time series. The second part of this dissertation integrates the above primitives into useful applications ranging from music to physics to finance to medicine.





نظرات کاربران

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