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: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Charu C. Aggarwal (auth.), Charu C. Aggarwal (eds.) سری: Advances in Database Systems 35 ISBN (شابک) : 0387096892, 9780387096896 ناشر: Springer US سال نشر: 2009 تعداد صفحات: 467 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب مدیریت و استخراج داده های نامشخص: داده کاوی و کشف دانش، مدیریت پایگاه داده، هوش مصنوعی (شامل رباتیک)، ذخیره سازی و بازیابی اطلاعات، سیستم ها و امنیت داده ها، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)
در صورت تبدیل فایل کتاب Managing and Mining Uncertain Data 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 مدیریت و استخراج داده های نامشخص 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.
مدیریت و استخراج دادههای نامطمئن شامل نظرسنجیهای محققان مشهور در زمینه پایگاههای داده نامطمئن است. این کتاب جدیدترین مدلها، الگوریتمها و کاربردها را در زمینه دادههای نامشخص به روشی ساختاریافته و مختصر ارائه میکند. این کتاب به گونه ای تنظیم شده است که مهم ترین مباحث مدیریت و معدن را در این زمینه پوشش دهد. ایده این است که آن را نه تنها برای محققان، بلکه برای پزشکان برنامه محور برای حل مشکلات واقعی در دسترس قرار دهیم. با توجه به فقدان اطلاعات سازمانیافته ساختاری در مورد حوزه جدید و نوظهور دادههای نامطمئن، این کتاب بینشهایی را ارائه میکند که به راحتی در جاهای دیگر قابل دسترسی نیست.
مدیریت و استخراج دادههای نامشخص برای این منظور طراحی شده است. مخاطبان متنوعی متشکل از اساتید، محققان و دست اندرکاران صنعت. این کتاب همچنین به عنوان یک کتاب مرجع برای دانشجویان پایگاه داده در سطح پیشرفته در علوم و مهندسی کامپیوتر مناسب است.
بیوگرافی ویرایشگر
Charu C. Aggarwal مدرک B.Tech خود را در علوم کامپیوتر از IIT Kanpur در سال 1993 و Ph.D. از MIT در سال 1996. او از آن زمان به عنوان عضو تحقیقاتی در IBM بوده است و بیش از 120 مقاله در کنفرانس ها و مجلات بزرگ در زمینه پایگاه داده و داده کاوی منتشر کرده است. او برای بیش از 65 پتنت آمریکایی و بین المللی درخواست داده یا به او اعطا شده است، و سه بار به عنوان مخترع اصلی در IBM برای ارزش تجاری پتنت هایش انتخاب شده است. او 17 جایزه دستاورد اختراع توسط IBM برای پتنت های خود اعطا کرده است. کار او بر روی شناسایی تهدیدات بیولوژیکی تروریسم در زمان واقعی در جریان های داده برنده جایزه شرکت IBM برای تعالی محیطی در سال 2003 شد. او در سال 2008 جایزه نوآوری برجسته IBM را به دلیل مشارکت های علمی خود در فناوری حفظ حریم خصوصی و دریافت کننده IBM دریافت کرد. جایزه بخش تحقیقاتی برای مشارکت او در استخراج جریان برای پروژه System S. او در کمیته برنامه اکثر کنفرانس های پایگاه داده اصلی خدمت کرده است، و رئیس برنامه کارگاه داده کاوی و کشف دانش، 2003، و معاون برنامه برای کنفرانس SIAM در مورد داده کاوی 2007، کنفرانس ICDM 2007، و کنفرانس WWW بوده است. ، 2009. او از سال 2004 تا 2008 به عنوان ویراستار IEEE Transactions on Data Engineering مشغول به کار بود. او یکی از ویراستاران ACM SIGKDD Explorations و یک ویرایشگر اقدام در مجله Data Mining and Knowledge Discovery است. او یکی از اعضای ارشد IEEE و یکی از اعضای مادام العمر ACM است.
Managing and Mining Uncertain Data contains surveys by well known researchers in the field of uncertain databases. The book presents the most recent models, algorithms, and applications in the uncertain data field in a structured and concise way. This book is organized so as to cover the most important management and mining topics in the field. The idea is to make it accessible not only to researchers, but also to application-driven practitioners for solving real problems. Given the lack of structurally organized information on the new and emerging area of uncertain data, this book provides insights which are not easily accessible elsewhere.
Managing and Mining Uncertain Data is designed for a varied audience composed of professors, researchers and practitioners in industry. This book is also suitable as a reference book for advanced-level database students in computer science and engineering.
Editor Biography
Charu C. Aggarwal obtained his B.Tech in Computer Science from IIT Kanpur in 1993 and Ph.D. from MIT in 1996. He has been a Research Staff Member at IBM since then, and has published over 120 papers in major conferences and journals in the database and data mining field. He has applied for or been granted over 65 US and International patents, and has thrice been designated Master Inventor at IBM for the commercial value of his patents. He has been granted 17 invention achievement awards by IBM for his patents. His work on real time bio-terrorist threat detection in data streams won the IBM Corporate award for Environmental Excellence in 2003. He is a recipient of the IBM Outstanding Innovation Award in 2008 for his scientific contributions to privacy technology, and a recipient of the IBM Research Division award for his contributions to stream mining for the System S project. He has served on the program committee of most major database conferences, and was program chair for the Data Mining and Knowledge Discovery Workshop, 2003, and program vice-chairs for the SIAM Conference on Data Mining 2007, ICDM Conference 2007, and the WWW Conference, 2009. He served as an associate editor of the IEEE Transactions on Data Engineering from 2004 to 2008. He is an associate editor of the ACM SIGKDD Explorations and an action editor of the Data Mining and Knowledge Discovery Journal. He is a senior member of the IEEE and a life-member of the ACM.
Front Matter....Pages 1-20
An Introduction to Uncertain Data Algorithms and Applications....Pages 1-8
Models for Incomplete and Probabilistic Information....Pages 1-34
Relational Models and Algebra for Uncertain Data....Pages 1-31
Graphical Models for Uncertain Data....Pages 1-36
Trio A System for Data Uncertainty and Lineage....Pages 1-35
MayBMS A System for Managing Large Probabilistic Databases....Pages 1-34
Uncertainty in Data Integration....Pages 1-36
Sketching Aggregates over Probabilistic Streams....Pages 1-33
Probabilistic Join Queries in Uncertain Databases....Pages 1-41
Indexing Uncertain Data....Pages 1-26
Querying Uncertain Spatiotemporal Data....Pages 1-24
Probabilistic XML....Pages 1-34
On Clustering Algorithms for Uncertain Data....Pages 1-18
On Applications of Density Transforms for Uncertain Data Mining....Pages 1-19
Frequent Pattern Mining Algorithms with Uncertain Data....Pages 1-33
Probabilistic Querying and Mining of Biological Images....Pages 1-28
Back Matter....Pages 1-3