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: David J. Marchette سری: Wiley series in probability and statistics ISBN (شابک) : 9780471221760, 0471221767 ناشر: Wiley-Interscience سال نشر: 2004 تعداد صفحات: 253 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب نمودارهای تصادفی برای تشخیص الگوی آماری: علوم و مهندسی کامپیوتر، هوش مصنوعی، تشخیص الگو
در صورت تبدیل فایل کتاب Random graphs for statistical pattern recognition 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 نمودارهای تصادفی برای تشخیص الگوی آماری 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.
نمودارهای تصادفی برای تشخیص الگوی آماری چندین کلاس از نمودارهای تصادفی مورد استفاده در تشخیص الگو را توصیف می کند. این نمودارهای همسایگی معرفی شده توسط Toussaint، و همچنین تعمیم های مختلف و موارد خاص را پوشش می دهد. این نمودارها به طور گسترده ای برای خوشه بندی استفاده می شوند. یک نمودار تصادفی که به تازگی معرفی شده است، به نام نمودار جمع آوری پوشش کلاس (CCD)، تمرکز اصلی کتاب است. ویژگیهای CCCD، همراه با کاربردهایی برای تبعیض، کاهش ابعاد، و تشخیص تجمع/تداعی بررسی میشوند.
Random Graphs for Statistical Pattern Recognition describes several classes of random graphs used in pattern recognition. It covers the neighborhood graphs introduced by Toussaint, as well as the various generalizations and specific cases. These graphs have been widely used for clustering. A newly introduced random graph, called the class cover catch digraph (CCD), is the primary focus of the book. The properties of the CCCD are investigated, along with applications to discrimination, dimensionality reduction, and aggregation/association detection.