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: Prof. Lech Polkowski, Prof. Shusaku Tsumoto, Prof. Tsau Y. Lin (auth.), Prof. Lech Polkowski, Prof. Shusaku Tsumoto, Prof. Tsau Y. Lin (eds.) سری: Studies in Fuzziness and Soft Computing 56 ISBN (شابک) : 9783662003763, 9783790818406 ناشر: Physica-Verlag Heidelberg سال نشر: 2000 تعداد صفحات: 678 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 23 مگابایت
کلمات کلیدی مربوط به کتاب روش ها و کاربردهای مجموعه ناهموار: تحولات جدید در کشف دانش در سیستم های اطلاعاتی: هوش مصنوعی (شامل رباتیک)، منطق ریاضی و زبان های رسمی، سیستم های اطلاعات کسب و کار
در صورت تبدیل فایل کتاب Rough Set Methods and Applications: New Developments in Knowledge Discovery in Information Systems 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 روش ها و کاربردهای مجموعه ناهموار: تحولات جدید در کشف دانش در سیستم های اطلاعاتی 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.
رویکرد مجموعهای ناهموار برای استدلال در شرایط عدم قطعیت مبتنی بر القای بازنمایی دانش از دادهها تحت محدودیتهایی است که با تشخیص یا، به طور کلی، شباهت اشیا بیان میشوند. دانش به دست آمده توسط این رویکرد شامل کاهش ها، قوانین تصمیم گیری یا تداعی، وابستگی ها، الگوها یا طبقه بندی کننده ها است. این تک نگاری وضعیت هنر این منطقه را نشان می دهد. خواننده در اینجا یک بحث نظری عمیق در مورد مفاهیم و ایدههای مرتبط و همچنین فهرستی غنی از ابزارهای الگوریتمی و اکتشافی برای کشف دانش با روشهای مجموعهای خشن خواهد یافت. یک کتابشناسی گسترده به خواننده کمک می کند تا با این حوزه تحقیقاتی که به سرعت در حال رشد است آشنا شود.
Rough set approach to reasoning under uncertainty is based on inducing knowledge representation from data under constraints expressed by discernibility or, more generally, similarity of objects. Knowledge derived by this approach consists of reducts, decision or association rules, dependencies, templates, or classifiers. This monograph presents the state of the art of this area. The reader will find here a deep theoretical discussion of relevant notions and ideas as well as rich inventory of algorithmic and heuristic tools for knowledge discovery by rough set methods. An extensive bibliography will help the reader to get an acquaintance with this rapidly growing area of research.
Front Matter....Pages I-X
Front Matter....Pages 1-1
Introducing the Book....Pages 3-7
A Rough Set Perspective on Knowledge Discovery in Information Systems: An Essay on the Topic of the Book....Pages 9-45
Front Matter....Pages 47-47
Rough Set Algorithms in Classification Problem....Pages 49-88
Rough Mereology in Information Systems. A Case Study: Qualitative Spatial Reasoning....Pages 89-135
Knowledge Discovery by Application of Rough Set Models....Pages 137-233
Various Approaches to Reasoning with Frequency Based Decision Reducts: A Survey....Pages 235-285
Front Matter....Pages 287-287
Regularity Analysis and its Applications in Data Mining....Pages 289-378
Rough Set Methods for the Synthesis and Analysis of Concurrent Processes....Pages 379-488
Front Matter....Pages 489-489
Conflict Analysis....Pages 491-519
Logical and Algebraic Techniques for Rough Set Data Analysis....Pages 521-544
Statistical Techniques for Rough Set Data Analysis....Pages 545-565
Data Mining in Incomplete Information Systems from Rough Set Perspective....Pages 567-580
Front Matter....Pages 581-581
Rough Sets and Rough Logic: A KDD Perspective....Pages 583-646
Back Matter....Pages 647-683