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 Large-Scale Parallel Data Mining

دانلود کتاب کاوی داده های موازی بزرگ در مقیاس بزرگ

مشخصات کتاب

Large-Scale Parallel Data Mining

دسته بندی: سازمان و پردازش داده ها
ویرایش: 1 
نویسندگان: Mohammed J. Zaki (auth.),  Mohammed J. Zaki,  Ching-Tien Ho (eds.)  
سری: Lecture Notes in Computer Science 1759 : Lecture Notes in Artificial Intelligence 
ISBN (شابک) : 3540671943, 9783540671947 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2000 
تعداد صفحات: 269 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 40,000

کلمات کلیدی مربوط به کتاب کاوی داده های موازی بزرگ در مقیاس بزرگ: است

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

در صورت تبدیل فایل کتاب Large-Scale Parallel 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 کاوی داده های موازی بزرگ در مقیاس بزرگ 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 های موازی بزرگ در مقیاس بزرگ

با نرخ رشد بی‌سابقه‌ای که امروزه داده‌ها به صورت الکترونیکی در تقریباً تمام زمینه‌های فعالیت انسانی جمع‌آوری و ذخیره می‌شوند، استخراج کارآمد اطلاعات مفید از داده‌های موجود به یک چالش علمی فزاینده و نیاز اقتصادی عظیم تبدیل می‌شود. این کتاب نسخه‌های کاملی از مقالات ارائه شده در کارگاه آموزشی با موضوع KDD'99 در سن دیگو، کالیفرنیا، ایالات متحده آمریکا در آگوست 1999 را ارائه می‌کند که با چندین فصل دعوت‌شده و یک بررسی مقدماتی مفصل تکمیل شده است تا پوشش کاملی از این موضوع ارائه شود. مسائل مربوطه مشارکت های ارائه شده تمامی وظایف اصلی در داده کاوی از جمله چارچوب های کاوی موازی و توزیع شده، انجمن ها، توالی ها، خوشه بندی و طبقه بندی را پوشش می دهد. در مجموع، این جلد، وضعیت هنر را در زمینه جوان و پویا روش های داده کاوی موازی و توزیع شده ارائه می دهد. این منبع مرجع ارزشمندی برای محققان و متخصصان خواهد بود.

توضیحاتی درمورد کتاب به خارجی

With the unprecedented growth-rate at which data is being collected and stored electronically today in almost all fields of human endeavor, the efficient extraction of useful information from the data available is becoming an increasing scientific challenge and a massive economic need. This book presents thoroughly reviewed and revised full versions of papers presented at a workshop on the topic held during KDD'99 in San Diego, California, USA in August 1999 complemented by several invited chapters and a detailed introductory survey in order to provide complete coverage of the relevant issues. The contributions presented cover all major tasks in data mining including parallel and distributed mining frameworks, associations, sequences, clustering, and classification. All in all, the volume presents the state of the art in the young and dynamic field of parallel and distributed data mining methods. It will be a valuable source of reference for researchers and professionals.

فهرست مطالب

Parallel and Distributed Data Mining: An Introduction....Pages 1-23
The Integrated Delivery of Large-Scale Data Mining: The ACSys Data Mining Project....Pages 24-54
A High Performance Implementation of the Data Space Transfer Protocol (DSTP)....Pages 55-64
Active Mining in a Distributed Setting....Pages 65-82
Efficient Parallel Algorithms for Mining Associations....Pages 83-126
Parallel Branch-and-Bound Graph Search for Correlated Association Rules....Pages 127-144
Parallel Generalized Association Rule Mining on Large Scale PC Cluster....Pages 145-160
Parallel Sequence Mining on Shared-Memory Machines....Pages 161-189
Parallel Predictor Generation....Pages 190-196
Efficient Parallel Classification Using Dimensional Aggregates....Pages 197-210
Learning Rules from Distributed Data....Pages 211-220
Collective, Hierarchical Clustering from Distributed, Heterogeneous Data....Pages 221-244
A Data-Clustering Algorithm on Distributed Memory Multiprocessors....Pages 245-260