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: Wladyslaw Homenda. Witold Pedrycz
سری:
ISBN (شابک) : 111930282X, 9781119302827
ناشر: Wiley
سال نشر: 2018
تعداد صفحات: 301
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب تشخیص الگو: دیدگاه کیفیت داده ها: چشم انداز و تشخیص الگوی کامپیوتر، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، طراحی دیجیتال، برق و الکترونیک، مهندسی، مهندسی و حمل و نقل، علوم کامپیوتر، الگوریتم ها، هوش مصنوعی، ذخیره سازی و طراحی پایگاه داده، گرافیک و بصری شبکه، طراحی نرم افزار شی گرا، سیستم عامل، زبان های برنامه نویسی، طراحی و مهندسی نرم افزار، کتاب های درسی جدید، مستعمل و اجاره، بوتیک تخصصی
در صورت تبدیل فایل کتاب Pattern Recognition: A Quality of Data Perspective 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 تشخیص الگو: دیدگاه کیفیت داده ها 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.
رویکردی جدید به موضوع کیفیت دادهها در تشخیص الگو با جزئیات مفاهیم اساسی قبل از معرفی روشها و الگوریتمهای پیچیدهتر، این کتاب یک کتابچه راهنمای مستقل برای تجزیه و تحلیل دادهها و دادهکاوی پیشرفته است. سازمان از بالا به پایین برنامه های کاربردی دقیق را تنها پس از تسلط بر مسائل روش شناختی ارائه می دهد و دستورالعمل های گام به گام به اطمینان از اجرای موفقیت آمیز فرآیندهای جدید کمک می کند. با قرار دادن کیفیت دادهها بهعنوان عاملی که باید به جای بر آن غلبه کرد، چارچوب ارائهشده بهعنوان یک ابزار ارزشمند و همهکاره در زرادخانه تحلیل عمل میکند. برای چندین دهه، نیاز عملی الهام بخش تحقیقات نظری و کاربردی شدید در زمینه تشخیص الگو برای کاربردهای متعدد و متنوع بوده است. در سرتاسر، عامل محدود کننده و مشکل همیشگی داده ها بوده است - تنوع، فراوانی و کیفیت متغیر آن چالش اصلی نوآوری در تشخیص الگو را ارائه می دهد. تشخیص الگو: دیدگاه کیفیت دادهها را تغییر میدهد که از یک مانع به یک معین چالش میکند، و چارچوب جدیدی برای تجزیه و تحلیل دادههای جامع ارائه میدهد که به طور خاص برای تطبیق دادههای مشکل طراحی شده است. این کتاب که هم به عنوان یک کتابچه راهنمای عملی و هم به عنوان یک بحث در مورد مفیدترین عناصر نوآوری در تشخیص الگو طراحی شده است: جزئیات مفاهیم اساسی تشخیص الگو، از جمله ساخت فضای ویژگی، طبقه بندی کننده ها، رد کردن، و ارزیابی را ارائه می دهد. و الگوریتم های دخیل در تشخیص الگو شامل آزمایش های متعدد، طرح های دقیق و مسائل پیشرفته تر است که مفاهیم پیچیده را تقویت می کند. چارچوب برای محاسبات دانهای تشخیص الگوی نقش محوری در تجزیه و تحلیل دادهها و دادهکاوی بازی میکند، زمینههایی که خود در حوزهای در حال گسترش کاربرد دارند. این کتاب با رو به رو شدن با مشکل کیفیت داده ها، راهی روشن برای دانشجویان، پزشکان و پژوهشگران در میان عرضه روزافزون داده ها فراهم می کند.
A new approach to the issue of data quality in pattern recognition Detailing foundational concepts before introducing more complex methodologies and algorithms, this book is a self-contained manual for advanced data analysis and data mining. Top-down organization presents detailed applications only after methodological issues have been mastered, and step-by-step instructions help ensure successful implementation of new processes. By positioning data quality as a factor to be dealt with rather than overcome, the framework provided serves as a valuable, versatile tool in the analysis arsenal. For decades, practical need has inspired intense theoretical and applied research into pattern recognition for numerous and diverse applications. Throughout, the limiting factor and perpetual problem has been data—its sheer diversity, abundance, and variable quality presents the central challenge to pattern recognition innovation. Pattern Recognition: A Quality of Data Perspective repositions that challenge from a hurdle to a given, and presents a new framework for comprehensive data analysis that is designed specifically to accommodate problem data. Designed as both a practical manual and a discussion about the most useful elements of pattern recognition innovation, this book: Details fundamental pattern recognition concepts, including feature space construction, classifiers, rejection, and evaluation Provides a systematic examination of the concepts, design methodology, and algorithms involved in pattern recognition Includes numerous experiments, detailed schemes, and more advanced problems that reinforce complex concepts Acts as a self-contained primer toward advanced solutions, with detailed background and step-by-step processes Introduces the concept of granules and provides a framework for granular computing Pattern recognition plays a pivotal role in data analysis and data mining, fields which are themselves being applied in an expanding sphere of utility. By facing the data quality issue head-on, this book provides students, practitioners, and researchers with a clear way forward amidst the ever-expanding data supply.
Content: Pattern recognition : feature space construction --
Pattern recognition : classifiers --
Classification with rejection problem formulation and an overview --
Evaluating pattern recognition problem --
Recognition with rejection : empirical analysis --
Concepts and notions of information granules --
Information granules : fundamental constructs --
Clustering --
Quality of data : imputation and data balancing.