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: [1 ed.]
نویسندگان: Petra Perner (eds.)
سری: Lecture Notes in Computer Science 9729
ISBN (شابک) : 9783319419190, 9783319419206
ناشر: Springer International Publishing
سال نشر: 2016
تعداد صفحات: XIII, 807
[819]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 43 Mb
در صورت تبدیل فایل کتاب Machine Learning and Data Mining in Pattern Recognition: 12th International Conference, MLDM 2016, New York, NY, USA, July 16-21, 2016, Proceedings 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 یادگیری ماشین و داده کاوی در تشخیص الگو: دوازدهمین کنفرانس بین المللی ، MLDM 2016 ، نیویورک ، نیویورک ، ایالات متحده ، 16-21 ژوئیه 2016 ، مجموعه مقالات 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 داوری دوازدهمین کنفرانس بینالمللی یادگیری ماشین و دادهکاوی در تشخیص الگو، MLDM 2016 است که در نیویورک، نیویورک، ایالات متحده آمریکا در جولای 2016 برگزار شد. 58 مقاله منظم ارائه شده در این کتاب از بین 169 مورد ارسالی به دقت بررسی و انتخاب شدند. موضوعات از موضوعات نظری برای طبقهبندی، خوشهبندی، قوانین تداعی و الگوکاوی گرفته تا روشهای داده کاوی خاص برای انواع دادههای چندرسانهای مختلف مانند تصویر کاوی، متن کاوی، ویدیو کاوی و وب کاوی.
This book constitutes the refereed proceedings of the 12th International Conference on Machine Learning and Data Mining in Pattern Recognition, MLDM 2016, held in New York, NY, USA in July 2016. The 58 regular papers presented in this book were carefully reviewed and selected from 169 submissions. The topics range from theoretical topics for classification, clustering, association rule and pattern mining to specific data mining methods for the different multimedia data types such as image mining, text mining, video mining and Web mining.