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: Marianna Bolla سری: ISBN (شابک) : 1118344928, 9781118344927 ناشر: Wiley سال نشر: 2013 تعداد صفحات: 290 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب خوشه بندی طیفی و دوچرخه سواری: یادگیری نمودارهای بزرگ و جداول احتمالی: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب Spectral Clustering and Biclustering: Learning Large Graphs and Contingency Tables 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 خوشه بندی طیفی و دوچرخه سواری: یادگیری نمودارهای بزرگ و جداول احتمالی 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.
ساختارهای منظم در نمودارها و جداول اقتضایی را با استفاده از نظریه طیفی و روش های آماری بررسی می کند
این کتاب با پاسخ دادن به سؤالات سختی که پیش می آید، شکاف بین نظریه گراف و آمار را پر می کند. زمانی که آماردانان با نمودارهای وزن دار بزرگ یا آرایه های مستطیلی مواجه می شوند. روشهای آماری کلاسیک و مدرن قابل استفاده در شبکههای بیولوژیکی، اجتماعی، ارتباطی یا ریزآرایهها همراه با پیشزمینه نظری و شواهد ارائه شده است.
این کتاب برای یک دوره یک ترم برای دانشجویان تحصیلات تکمیلی داده کاوی مناسب است. آمار چند متغیره یا نظریه گراف کاربردی. اما با نادیده گرفتن اثباتها، الگوریتمها میتوانند توسط متخصصانی نیز مورد استفاده قرار گیرند که فقط میخواهند اطلاعات را از دادههای خود هنگام تجزیه و تحلیل شبکههای ارتباطی، اجتماعی یا بیولوژیکی بازیابی کنند.
خوشهبندی طیفی و دوکلاستری:
i>
Explores regular structures in graphs and contingency tables by spectral theory and statistical methods
This book bridges the gap between graph theory and statistics by giving answers to the demanding questions which arise when statisticians are confronted with large weighted graphs or rectangular arrays. Classical and modern statistical methods applicable to biological, social, communication networks, or microarrays are presented together with the theoretical background and proofs.
This book is suitable for a one-semester course for graduate students in data mining, multivariate statistics, or applied graph theory; but by skipping the proofs, the algorithms can also be used by specialists who just want to retrieve information from their data when analysing communication, social, or biological networks.
Spectral Clustering and Biclustering: