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: آمار ریاضی ویرایش: 1 نویسندگان: Matjaž Kukar (auth.), Honghua Dai, James N. K. Liu, Evgueni Smirnov (eds.) سری: ISBN (شابک) : 1461419026, 9781461419020 ناشر: Springer-Verlag New York سال نشر: 2012 تعداد صفحات: 327 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب کشف دانش قابل اعتماد: هوش مصنوعی (شامل رباتیک)، مدیریت پایگاه داده، تشخیص الگو، نمایش ذخیره سازی داده، گرافیک کامپیوتری
در صورت تبدیل فایل کتاب Reliable Knowledge Discovery 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 کشف دانش قابل اعتماد 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.
کشف دانش قابل اعتماد بر تئوری، روشها و تکنیکهای RKDD، یک رشته فرعی جدید از KDD تمرکز دارد. این نظریه و روش ها را برای اطمینان از قابلیت اطمینان و قابل اعتماد بودن دانش کشف شده و حفظ ثبات و سازگاری فرآیندهای کشف دانش مطالعه می کند. RKDD دارای طیف گسترده ای از کاربردها، به ویژه در حوزه های حیاتی مانند پزشکی، مالی و نظامی است.
کشف دانش قابل اعتماد همچنین روشها و تکنیکهایی را برای طراحی فرآیندهای کشف دانش قوی ارائه میدهد. رویکردهایی برای ارزیابی قابلیت اطمینان دانش کشف شده معرفی شده است. توجه ویژه ای به روش هایی برای انتخاب ویژگی قابل اعتماد، کشف نمودار قابل اعتماد، طبقه بندی قابل اعتماد و استخراج جریان می شود. تخمین قابل اعتماد بودن داده ها نیز در این جلد پوشش داده شده است. مطالعات موردی در بسیاری از فصل ها ارائه شده است.
Reliable Knowledge Discovery برای محققان و دانشجویان سطح پیشرفته که بر روی علوم کامپیوتر و مهندسی برق متمرکز هستند به عنوان متن یا مرجع ثانویه طراحی شده است. متخصصانی که در این زمینه مرتبط کار می کنند و توسعه دهندگان برنامه کاربردی KDD نیز این کتاب را مفید خواهند یافت.
Reliable Knowledge Discovery focuses on theory, methods, and techniques for RKDD, a new sub-field of KDD. It studies the theory and methods to assure the reliability and trustworthiness of discovered knowledge and to maintain the stability and consistency of knowledge discovery processes. RKDD has a broad spectrum of applications, especially in critical domains like medicine, finance, and military.
Reliable Knowledge Discovery also presents methods and techniques for designing robust knowledge-discovery processes. Approaches to assessing the reliability of the discovered knowledge are introduced. Particular attention is paid to methods for reliable feature selection, reliable graph discovery, reliable classification, and stream mining. Estimating the data trustworthiness is covered in this volume as well. Case studies are provided in many chapters.
Reliable Knowledge Discovery is designed for researchers and advanced-level students focused on computer science and electrical engineering as a secondary text or reference. Professionals working in this related field and KDD application developers will also find this book useful.
Front Matter....Pages i-xviii
Front Matter....Pages 1-1
Transductive Reliability Estimation for Individual Classifications in Machine Learning and Data Mining....Pages 3-27
Estimating Reliability for Assessing and Correcting Individual Streaming Predictions....Pages 29-49
Error Bars for Polynomial Neural Networks....Pages 51-66
Front Matter....Pages 67-67
Robust-Diagnostic Regression: A Prelude for Inducing Reliable Knowledge from Regression....Pages 69-92
Reliable Graph Discovery....Pages 93-107
Combining Version Spaces and Support Vector Machines for Reliable Classification....Pages 109-126
Reliable Ticket Routing in Expert Networks....Pages 127-147
Reliable Aggregation on Network Traffic for Web Based Knowledge Discovery....Pages 149-159
Sensitivity and Generalization of SVM with Weighted and Reduced Features....Pages 161-182
Reliable Gesture Recognition with Transductive Confidence Machines....Pages 183-200
Front Matter....Pages 201-201
Reliability in A Feature-Selection Process for Intrusion Detection....Pages 203-218
The Impact of Sample Size and Data Quality to Classification Reliability....Pages 219-226
A Comparative Analysis of Instance-based Penalization Techniques for Classification....Pages 227-238
Subsequence Frequency Measurement and its Impact on Reliability of Knowledge Discovery in Single Sequences....Pages 239-255
Front Matter....Pages 257-257
Improving Reliability of Unbalanced Text Mining by Reducing Performance Bias....Pages 259-268
Formal Representation and Verification of Ontology Using State Controlled Coloured Petri Nets....Pages 269-290
A Reliable System Platform for Group Decision Support under Uncertain Environments....Pages 291-306
Back Matter....Pages 307-308