دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Mining of data with complex structures
دانلود کتاب استخراج داده ها با ساختارهای پیچیده
مشخصات کتاب
Mining of data with complex structures
ویرایش: نویسندگان: Hadzic. Fedja, Tan. Henry, Dillon. Tharam S سری: Studies in computational intelligence 333 ISBN (شابک) : 9783642175565, 3642175562 ناشر: Springer-Verlag سال نشر: 2011 تعداد صفحات: 292 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 30,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Mining of data with complex structures 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 استخراج داده ها با ساختارهای پیچیده 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 استخراج داده ها با ساختارهای پیچیده
کاوی داده ها با ساختارهای پیچیده: - نوع و ماهیت داده ها با ساختار پیچیده از جمله توالی ها، درختان و نمودارها را روشن می کند - پیشینه دقیقی از آخرین هنرهای استخراج توالی، استخراج درخت و استخراج نمودار ارائه می دهد. - جنبه های اساسی مشکل استخراج درخت را تعریف می کند: انواع زیردرخت، تعاریف پشتیبانی، محدودیت ها. - تشریح مسائل اجرایی که باید در هنگام توسعه الگوریتم‌های استخراج درخت در نظر گرفته شوند (استراتژی‌های شمارش، ساختارهای داده، و غیره) - جزئیات رویکرد راهنمای مدل درختی (TMG) برای استخراج درخت و ارائه مدل ریاضی برای بدترین برآورد پیچیدگی استخراج زیردرخت های القایی و تعبیه شده را سفارش داد. - مکانیسم چارچوب TMG را برای استخراج زیردرخت‌های تعبیه‌شده القایی/جاسازی‌شده و با محدودیت فاصله سفارش‌داده/نامرتب توضیح می‌دهد. - مقایسه دقیقی از روش های مختلف استخراج درخت ارائه می دهد که ویژگی ها و مزایای هر رویکرد را برجسته می کند. - مروری بر مفاهیم و کاربردهای بالقوه استخراج درخت در وظایف مربوط به مدیریت دانش عمومی، و از برنامه های کاربردی مرتبط با وب، سلامت و بیوانفورماتیک به عنوان مطالعات موردی استفاده می کند. - جزئیات گسترش چارچوب TMG برای کاوی توالی - یک نمای کلی از جهت تحقیقات آینده را با توجه به توسعه های فنی و حوزه های کاربردی ارائه می دهد. مخاطبان اصلی دانشجویان سال سوم، سال چهارم کارشناسی، دانشجویان کارشناسی ارشد و دکترا و دانشگاهیان هستند. از این کتاب می توان هم برای تدریس و هم برای تحقیق استفاده کرد. مخاطبان ثانویه، شاغلین در صنعت، تجارت، تجارت، دولت و کنسرسیوم ها، اتحادها و مشارکت ها هستند تا یاد بگیرند که چگونه تکنیک های استخراج داده با ساختارهای پیچیده را در برنامه های خود معرفی و به طور موثر از آنها استفاده کنند. دامنه کتاب هم تئوری و هم عملی است و به همین دلیل به بازار گسترده ای هم در دانشگاه و هم در صنعت خواهد رسید. علاوه بر این، موضوع آن یک زمینه به سرعت در حال ظهور است که برای تجزیه و تحلیل کارآمد دانش ذخیره شده در حوزه های مختلف حیاتی است.
توضیحاتی درمورد کتاب به خارجی
Mining of Data with Complex Structures: - Clarifies the type and nature of data with complex structure including sequences, trees and graphs - Provides a detailed background of the state-of-the-art of sequence mining, tree mining and graph mining. -Defines the essential aspects of the tree mining problem: subtree types, support definitions, constraints. - Outlines the implementation issues one needs to consider when developing tree mining algorithms (enumeration strategies, data structures, etc.) - Details the Tree Model Guided (TMG) approach for tree mining and provides the mathematical model for the worst case estimate of complexity of mining ordered induced and embedded subtrees. - Explains the mechanism of the TMG framework for mining ordered/unordered induced/embedded and distance-constrained embedded subtrees. - Provides a detailed comparison of the different tree mining approaches highlighting the characteristics and benefits of each approach. - Overviews the implications and potential applications of tree mining in general knowledge management related tasks, and uses Web, health and bioinformatics related applications as case studies. - Details the extension of the TMG framework for sequence mining - Provides an overview of the future research direction with respect to technical extensions and application areas The primary audience is 3rd year, 4th year undergraduate students, Masters and PhD students and academics. The book can be used for both teaching and research. The secondary audiences are practitioners in industry, business, commerce, government and consortiums, alliances and partnerships to learn how to introduce and efficiently make use of the techniques for mining of data with complex structures into their applications. The scope of the book is both theoretical and practical and as such it will reach a broad market both within academia and industry. In addition, its subject matter is a rapidly emerging field that is critical for efficient analysis of knowledge stored in various domains.
فهرست مطالب
Front Matter....Pages -
Introduction....Pages 1-21
Tree Mining Problem....Pages 23-40
Algorithm Development Issues....Pages 41-65
Tree Model Guided Framework....Pages 67-86
TMG Framework for Mining Ordered Subtrees....Pages 87-138
TMG Framework for Mining Unordered Subtrees....Pages 139-174
Mining Distance-Constrained Embedded Subtrees....Pages 175-190
Mining Maximal and Closed Frequent Subtrees....Pages 191-199
Tree Mining Applications....Pages 201-247
Extension of TMG Framework for Mining Frequent Subsequences....Pages 249-286
Graph Mining....Pages 287-300
New Research Directions....Pages 301-326
