ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Selected Contributions in Data Analysis and Classification

دانلود کتاب مشارکت انتخاب شده در تجزیه و تحلیل داده ها و طبقه بندی

Selected Contributions in Data Analysis and Classification

مشخصات کتاب

Selected Contributions in Data Analysis and Classification

دسته بندی: الگوریتم ها و ساختارهای داده
ویرایش: 1 
نویسندگان:   
سری: Studies in Classification, Data Analysis, and Knowledge Organization 
ISBN (شابک) : 3540735585, 9783540735588 
ناشر: Springer 
سال نشر: 2007 
تعداد صفحات: 649 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

قیمت کتاب (تومان) : 38,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 16


در صورت تبدیل فایل کتاب Selected Contributions in Data Analysis and Classification 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 مشارکت انتخاب شده در تجزیه و تحلیل داده ها و طبقه بندی 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 مشارکت انتخاب شده در تجزیه و تحلیل داده ها و طبقه بندی

این جلد تحولات روش شناختی اخیر در تجزیه و تحلیل و طبقه بندی داده ها را ارائه می دهد. طیف گسترده ای از موضوعات پوشش داده شده است که شامل روش هایی برای طبقه بندی و خوشه بندی، تجزیه و تحلیل عدم تشابه، تجزیه و تحلیل نمودار، روش های اجماع، تجزیه و تحلیل مفهومی داده ها، تجزیه و تحلیل داده های نمادین، روش های چند متغیره آماری، داده کاوی و کشف دانش در پایگاه های داده است. علاوه بر نتایج ساختاری و نظری، این کتاب کاربردهای گسترده‌ای را در زمینه‌هایی مانند زیست‌شناسی، تجزیه و تحلیل ریزآرایه، ترافیک سایبری، کشف کلاهبرداری بانکی و تحلیل متن ارائه می‌کند. این جلد با ترکیب پیشرفت‌های روش‌شناختی جدید با طیف گسترده‌ای از کاربردهای واقعی، مطمئناً برای محققان و متخصصان ارزش ویژه‌ای دارد و ابزارهای تحلیلی جدیدی را ارائه می‌کند که در تحقیقات نظری و تمرین روزانه در طبقه‌بندی و تجزیه و تحلیل داده‌ها مفید هستند.


توضیحاتی درمورد کتاب به خارجی

This volume presents recent methodological developments in data analysis and classification. A wide range of topics is covered that includes methods for classification and clustering, dissimilarity analysis, graph analysis, consensus methods, conceptual analysis of data, analysis of symbolic data, statistical multivariate methods, data mining and knowledge discovery in databases. Besides structural and theoretical results, the book presents a wide variety of applications, in fields such as biology, micro-array analysis, cyber traffic, bank fraud detection, and text analysis. Combining new methodological advances with a wide variety of real applications, this volume is certainly of special value for researchers and practitioners, providing new analytical tools that are useful in theoretical research and daily practice in classification and data analysis.



فهرست مطالب

Cover......Page 1
Studies in Classification, Data Analysis, and Knowledge Organization......Page 2
Edwin Diday......Page 3
Selected Contributions in Data Analysis and Classification......Page 4
ISBN 9783540735588......Page 5
Foreword......Page 6
Preface......Page 8
Contents......Page 10
Part I Analysis of Symbolic Data......Page 16
Dependencies and Variation Components of Symbolic Interval-Valued Data......Page 18
On the Analysis of Symbolic......Page 28
Symbolic Analysis to Learn Evolving CyberTraffic......Page 38
A Clustering Algorithm for Symbolic Interval Data Based on a Single Adaptive Hausdorff Distance......Page 50
An Agglomerative Hierarchical Clustering Algorithm for Improving Symbolic Object Retrieval......Page 60
3WaySym-Scal: Three-Way Symbolic Multidimensional Scaling......Page 70
Clustering and Validation of Interval Data......Page 84
Building Symbolic Objects from Data Streams......Page 98
Feature Clustering Method to Detect Monotonic Chain Structures in Symbolic Data......Page 110
Symbolic Markov Chains......Page 118
Quality Issues in Symbolic Data Analysis......Page 128
Dynamic Clustering of Histogram Data: Using the Right Metric......Page 138
Part II Clustering Methods......Page 150
Beyond the Pyramids: Rigid Clustering Systems......Page 152
Indirect Blockmodeling of 3-Way Networks......Page 166
Clustering Methods: A History of k-Means Algorithms......Page 176
Overlapping Clustering in a Graph Using k-Means and Application to Protein Interactions Networks......Page 188
Species Clustering via Classical and Interval Data Representation......Page 198
Looking for High Density Zones in a Graph......Page 208
Block Bernoulli Parsimonious Clustering Models......Page 218
Cluster Analysis Based on Posets......Page 228
Hybrid k-Means: Combining Regression-Wise and Centroid-Based Criteria for QSAR......Page 240
Partitioning by Particle Swarm Optimization......Page 250
Part III Conceptual Analysis of Data......Page 260
Concepts of a Discrete Random Variable......Page 262
Mining Description Logics Concepts with Relational Concept Analysis......Page 274
Representation of Concept Description by Multivalued Taxonomic Preordonance Variables......Page 286
Recent Advances in Conceptual Clustering: CLUSTER3......Page 300
Symbolic Dynamics in Text: Application to Automated Construction of Concept Hierarchies......Page 314
Part IV Consensus Methods......Page 322
Average Consensus and Infinite Norm Consensus : Two Methods for Ultrametric Trees......Page 324
Consensus from Frequent Groupings......Page 332
Consensus of Star Tree Hypergraphs......Page 340
Part V Data Analysis, Data Mining, and KDD......Page 346
Knowledge Management in Environmental Sciences with IKBS: Application to Systematics of Corals of the Mascarene Archipelago......Page 348
Unsupervised Learning Informational Limit in Case of Sparsely Described Examples......Page 360
Data Analysis and Operations Research......Page 372
Reduction of Redundant Rules in Statistical Implicative Analysis......Page 382
Mining Personal Banking Data to Detect Fraud......Page 392
Finding Rules in Data......Page 402
Mining Biological Data Using Pyramids......Page 412
Association Rules for Categorical and Tree Data......Page 424
Induction Graphs for Data Mining......Page 434
Part VI Dissimilarities: Structures and Indices......Page 446
Clustering of Molecules: Influence of the Similarity Measures......Page 448
Group Average Representations in Euclidean Distance Cones......Page 460
On Lower-Maximal Paired-Ultrametrics......Page 470
A Note on Three-Way Dissimilarities and Their Relationship with Two-Way Dissimilarities......Page 480
One-to-One Correspondence Between Indexed Cluster Structures and Weakly Indexed Closed Cluster Structures......Page 492
Adaptive Dissimilarity Index for Gene Expression Profiles Classification......Page 498
Lower (Anti-)Robinson Rank Representations for Symmetric Proximity Matrices......Page 510
Density-Based Distances: a New Approach for Evaluating Proximities Between Objects. Applications in Clustering and Discriminant Analysis......Page 520
Robinson Cubes......Page 530
Part VII Multivariate Statistics......Page 540
Relative and Absolute Contributions to Aid Strata Interpretation......Page 542
Classification and Generalized Principal Component Analysis......Page 554
Locally Linear Regression and the Calibration Problem for Micro-Array Analysis......Page 564
Sanskrit Manuscript Comparison for Critical Edition and Classification......Page 572
Divided Switzerland......Page 582
Prediction with Confidence......Page 592
Which Bootstrap for Principal Axes Methods?......Page 596
PCR and PLS for Clusterwise Regression on Functional Data......Page 604
A New Method for Ranking n Statistical Units......Page 614
About Relational Correlations......Page 624
Dynamic Features Extraction in Soybean Futures Market of China......Page 634
Index......Page 644




نظرات کاربران