دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Robust data mining
دانلود کتاب داده کاوی قوی
مشخصات کتاب
Robust data mining
ویرایش: نویسندگان: Petros Xanthopoulos, Panos M Pardalos, Theodore B Trafalis, et al سری: Springer briefs in optimization ISBN (شابک) : 9781441998774, 1441998780 ناشر: Springer سال نشر: 2013 تعداد صفحات: 67 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 Mb
قیمت کتاب (تومان) : 48,000
در صورت تبدیل فایل کتاب Robust data mining 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 داده کاوی قوی 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.
توضیحاتی در مورد کتاب داده کاوی قوی
عدم قطعیت داده مفهومی است که با اکثر برنامه های کاربردی واقعی مرتبط است که شامل جمع آوری و تفسیر داده ها می شود. نمونه هایی را می توان در داده های به دست آمده با ابزارهای زیست پزشکی یا سایر تکنیک های تجربی یافت. هدف ادغام بهینه سازی قوی در تکنیک های داده کاوی موجود ایجاد الگوریتم های جدید مقاوم در برابر خطا و نویز است. این کار تمام آخرین کاربردهای بهینه سازی قوی در داده کاوی را در بر می گیرد. این مختصر شامل یک نمای کلی از زمینه به سرعت در حال رشد حوزه تحقیقاتی داده کاوی قوی است و شناخته شده ترین الگوریتم های یادگیری ماشینی، فرمولاسیون های همتای قوی آنها و الگوریتم هایی برای حمله به این مشکلات را ارائه می دهد. این خلاصه برای نظریه پردازان و داده کاویانی که در این زمینه کار می کنند جذاب خواهد بود. 1. معرفی 2. مشکلات حداقل مربعات 3. تجزیه و تحلیل اجزای اصلی 4. تحلیل تشخیصی خطی 5. پشتیبانی از ماشین های بردار 6. نتیجه گیری
توضیحاتی درمورد کتاب به خارجی
Data uncertainty is a concept closely related with most real life applications that involve data collection and interpretation. Examples can be found in data acquired with biomedical instruments or other experimental techniques. Integration of robust optimization in the existing data mining techniques aim to create new algorithms resilient to error and noise. This work encapsulates all the latest applications of robust optimization in data mining. This brief contains an overview of the rapidly growing field of robust data mining research field and presents the most well known machine learning algorithms, their robust counterpart formulations and algorithms for attacking these problems. This brief will appeal to theoreticians and data miners working in this field. 1. Introduction 2. Least Squares Problems 3. Principal Component Analysis 4. Linear Discriminant Analysis 5. Support Vector Machines 6. Conclusion
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Основи домашнього медоваріння
دانلود کتاب Basic industrial biotechnology
