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 ed.] نویسندگان: Mahmoud Abou-Nasr, Stefan Lessmann, Robert Stahlbock, Gary M. Weiss (eds.) سری: Annals of Information Systems 17 ISBN (شابک) : 9783319078113, 9783319078120 ناشر: Springer International Publishing سال نشر: 2015 تعداد صفحات: 418 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Real World Data Mining Applications 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 برنامه های داده کاوی دنیای واقعی 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.
برنامههای دادهکاوی از حوزههای تجاری تا اجتماعی را شامل میشود و برنامههای کاربردی جدید به سرعت ظاهر میشوند. به عنوان مثال، در زمینه شبکه های اجتماعی. گسترش حوزه کاربرد و دسترسی اجتماعی داده کاوی پیشرفته مسائل مربوط به حریم خصوصی و امنیت را مطرح می کند. داده کاوی امروزی یک تلاش چند رشته ای مترقی است. این رویکرد بین رشته ای و چند رشته ای به خوبی در حوزه سیستم های اطلاعاتی منعکس شده است. تحقیقات سیستمهای اطلاعاتی نیازمندیهای نرمافزاری و سختافزاری را برای پشتیبانی از برنامههای کاربردی محاسباتی و داده فشرده مورد بررسی قرار میدهد. علاوه بر این، جنبه های تجزیه و تحلیل سیستم و داده ها و تمام فعالیت های دستی یا خودکار را در بر می گیرد. از این نظر، تحقیق در رابط سیستم های اطلاعاتی و داده کاوی دارای پتانسیل قابل توجهی برای تولید دانش عملی است که برای تصمیم گیری شرکتی حیاتی است. هدف از جلد پیشنهادی ارائه یک رفتار متوازن از آخرین پیشرفتها و پیشرفتها در دادهکاوی است. به ویژه، کاوش هم افزایی در تقاطع با سیستم های اطلاعاتی. این به عنوان بستری برای دانشگاهیان و شاغلین خواهد بود تا دستاوردهای اخیر خود را برجسته کنند و فرصت های بالقوه را در این زمینه آشکار کنند. به دلیل ماهیت چند رشتهای آن، انتظار میرود این جلد به منبعی حیاتی برای خوانندگان وسیعی از دانشآموزان، مهندسین و توسعهدهندگان، محققان و دانشگاهیان تبدیل شود.
Data mining applications range from commercial to social domains, with novel applications appearing swiftly; for example, within the context of social networks. The expanding application sphere and social reach of advanced data mining raise pertinent issues of privacy and security. Present-day data mining is a progressive multidisciplinary endeavor. This inter- and multidisciplinary approach is well reflected within the field of information systems. The information systems research addresses software and hardware requirements for supporting computationally and data-intensive applications. Furthermore, it encompasses analyzing system and data aspects, and all manual or automated activities. In that respect, research at the interface of information systems and data mining has significant potential to produce actionable knowledge vital for corporate decision-making. The aim of the proposed volume is to provide a balanced treatment of the latest advances and developments in data mining; in particular, exploring synergies at the intersection with information systems. It will serve as a platform for academics and practitioners to highlight their recent achievements and reveal potential opportunities in the field. Thanks to its multidisciplinary nature, the volume is expected to become a vital resource for a broad readership ranging from students, throughout engineers and developers, to researchers and academics.
Introduction.- What Data Scientists can Learn from History.- On Line Mining of Cyclic Association Rules From Parallel Dimension Hierarchies.- PROFIT: A Projected Clustering Technique.- Multi-Label Classification with a Constrained Minimum Cut Model.- On the Selection of Dimension Reduction Techniques for Scientific Applications.- Relearning Process for SPRT In Structural Change Detection of Time-Series Data.- K-means clustering on a classifier-induced representation space: application to customer contact personalization.- Dimensionality Reduction using Graph Weighted Subspace Learning for Bankruptcy Prediction.- Click Fraud Detection: Adversarial Pattern Recognition over 5 years at Microsoft.- A Novel Approach for Analysis of \'Real World\' Data: A Data Mining Engine for Identification of Multi-author Student Document Submission.- Data Mining Based Tax Audit Selection: A Case Study of a Pilot Project at the Minnesota Department of Revenue.- A nearest neighbor approach to build a readable risk score for breast cancer.- Machine Learning for Medical Examination Report Processing.- Data Mining Vortex Cores Concurrent with Computational Fluid Dynamics Simulations.- A Data Mining Based Method for Discovery of Web Services and their Compositions.- Exploiting Terrain Information for Enhancing Fuel Economy of Cruising Vehicles by Supervised Training of Recurrent Neural Optimizers.- Exploration of Flight State and Control System Parameters for Prediction of Helicopter Loads via Gamma Test and Machine Learning Techniques.- Multilayer Semantic Analysis In Image Databases.