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 8556 Lecture Notes in Artificial Intelligence
ISBN (شابک) : 9783319089782, 9783319089799
ناشر: Springer International Publishing
سال نشر: 2014
تعداد صفحات: 536
[548]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 30 Mb
در صورت تبدیل فایل کتاب Machine Learning and Data Mining in Pattern Recognition: 10th International Conference, MLDM 2014, St. Petersburg, Russia, July 21-24, 2014. 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 ماشینی و داده کاوی در شناخت الگو: دهمین کنفرانس بین المللی ، MLDM 2014 ، سن پترزبورگ ، روسیه ، 21 تا 24 ژوئیه 2014. 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 دهمین کنفرانس بینالمللی یادگیری ماشین و دادهکاوی در شناسایی الگو، MLDM 2014 است که در سن پترزبورگ، روسیه در ژوئیه 2014 برگزار شد. 40 مقاله کامل ارائه شده به دقت بررسی و از 128 مقاله انتخاب شدند ارسالی ها موضوعات از موضوعات نظری برای طبقهبندی، خوشهبندی، قوانین تداعی و الگوکاوی گرفته تا روشهای خاص دادهکاوی برای انواع دادههای چندرسانهای مختلف مانند تصویر کاوی، متن کاوی، ویدیو کاوی و وب کاوی.
This book constitutes the refereed proceedings of the 10th International Conference on Machine Learning and Data Mining in Pattern Recognition, MLDM 2014, held in St. Petersburg, Russia in July 2014. The 40 full papers presented were carefully reviewed and selected from 128 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.