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
نویسندگان: M. Emre Celebi (eds.)
سری:
ISBN (شابک) : 9783319092584, 9783319092591
ناشر: Springer International Publishing
سال نشر: 2015
تعداد صفحات: 420
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب الگوریتم های خوشه بندی جزئی: مهندسی ارتباطات، شبکه ها، سیستم های اطلاعاتی و خدمات ارتباطی، پردازش سیگنال، تصویر و گفتار
در صورت تبدیل فایل کتاب Partitional Clustering Algorithms 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 الگوریتم های خوشه بندی جزئی 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 بر روی الگوریتمهای خوشهبندی پارتیشن تمرکز دارد که معمولاً در مهندسی و برنامههای علمی کامپیوتری استفاده میشوند. هدف از این جلد، خلاصه کردن آخرین هنر در خوشهبندی پارتیشن است. این کتاب شامل موضوعاتی مانند خوشهبندی مبتنی بر مرکز، خوشهبندی یادگیری رقابتی و خوشهبندی مبتنی بر تراکم است. هر فصل توسط یک متخصص برجسته در این زمینه ارائه شده است.
This book focuses on partitional clustering algorithms, which are commonly used in engineering and computer scientific applications. The goal of this volume is to summarize the state-of-the-art in partitional clustering. The book includes such topics as center-based clustering, competitive learning clustering and density-based clustering. Each chapter is contributed by a leading expert in the field.
Front Matter....Pages i-x
Recent Developments in Model-Based Clustering with Applications....Pages 1-39
Accelerating Lloyd’s Algorithm for k -Means Clustering....Pages 41-78
Linear, Deterministic, and Order-Invariant Initialization Methods for the K-Means Clustering Algorithm....Pages 79-98
Nonsmooth Optimization Based Algorithms in Cluster Analysis....Pages 99-146
Fuzzy Clustering Algorithms and Validity Indices for Distributed Data....Pages 147-192
Density Based Clustering: Alternatives to DBSCAN....Pages 193-213
Nonnegative Matrix Factorization for Interactive Topic Modeling and Document Clustering....Pages 215-243
Overview of Overlapping Partitional Clustering Methods....Pages 245-275
On Semi-Supervised Clustering....Pages 277-311
Consensus of Clusterings Based on High-Order Dissimilarities....Pages 313-351
Hubness-Based Clustering of High-Dimensional Data....Pages 353-386
Clustering for Monitoring Distributed Data Streams....Pages 387-415