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
دسته بندی: کنفرانس ها و همایش های بین المللی ویرایش: 1 نویسندگان: Kiri L. Wagstaff (auth.), Sašo Džeroski, Jan Struyf (eds.) سری: Lecture Notes in Computer Science 4747 : Information Systems and Applications, incl. Internet/Web, and HCI ISBN (شابک) : 3540755489, 9783540755487 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2007 تعداد صفحات: 309 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب کشف دانش در بانکهای اطلاعاتی استقرایی: پنجمین کارگاه بین المللی ، KDID 2006 برلین ، آلمان ، 18 سپتامبر 2006 بازنگری شده در مقالات انتخاب شده و دعوت شده: مدیریت پایگاه داده، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Knowledge Discovery in Inductive Databases: 5th International Workshop, KDID 2006 Berlin, Germany, September 18, 2006 Revised Selected and Invited Papers 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 کشف دانش در بانکهای اطلاعاتی استقرایی: پنجمین کارگاه بین المللی ، KDID 2006 برلین ، آلمان ، 18 سپتامبر 2006 بازنگری شده در مقالات انتخاب شده و دعوت شده 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 مجموعه مقالات پس از داوری کامل پنجمین کارگاه بینالمللی کشف دانش در پایگاههای داده استقرایی، KDID 2006، در برلین، آلمان، سپتامبر 2006 در ارتباط با ECML/PKDD است.
15 مقالات کامل اصلاح شده ارائه شده همراه با یک مقاله دعوت شده با دقت در طی دو دور بررسی و بهبود برای گنجاندن در کتاب انتخاب شدند. این مقالات با گرد هم آوردن زمینههای پایگاههای داده، یادگیری ماشین و دادهکاوی به موضوعات مختلف فعلی در کشف دانش و دادهکاوی در چارچوب پایگاههای داده استقرایی مانند کاوی مبتنی بر محدودیت، فناوری پایگاه داده و پرس و جو استقرایی میپردازند.
This book constitutes the thoroughly refereed joint postproceedings of the 5th International Workshop on Knowledge Discovery in Inductive Databases, KDID 2006, held in Berlin, Germany, September 2006 in association with ECML/PKDD.
The 15 revised full papers presented together with one invited paper were carefully selected during two rounds of reviewing and improvement for inclusion in the book. Bringing together the fields of databases, machine learning, and data mining the papers address various current topics in knowledge discovery and data mining in the framework of inductive databases such as constraint-based mining, database technology and inductive querying.
Front Matter....Pages -
Value, Cost, and Sharing: Open Issues in Constrained Clustering....Pages 1-10
Mining Bi-sets in Numerical Data....Pages 11-23
Extending the Soft Constraint Based Mining Paradigm....Pages 24-41
On Interactive Pattern Mining from Relational Databases....Pages 42-62
Analysis of Time Series Data with Predictive Clustering Trees....Pages 63-80
Integrating Decision Tree Learning into Inductive Databases....Pages 81-96
Using a Reinforced Concept Lattice to Incrementally Mine Association Rules from Closed Itemsets....Pages 97-115
An Integrated Multi-task Inductive Database VINLEN: Initial Implementation and Early Results....Pages 116-133
Beam Search Induction and Similarity Constraints for Predictive Clustering Trees....Pages 134-151
Frequent Pattern Mining and Knowledge Indexing Based on Zero-Suppressed BDDs....Pages 152-169
Extracting Trees of Quantitative Serial Episodes....Pages 170-188
IQL: A Proposal for an Inductive Query Language....Pages 189-207
Mining Correct Properties in Incomplete Databases....Pages 208-222
Efficient Mining Under Rich Constraints Derived from Various Datasets....Pages 223-239
Three Strategies for Concurrent Processing of Frequent Itemset Queries Using FP-Growth....Pages 240-258
Towards a General Framework for Data Mining....Pages 259-300
Back Matter....Pages -