کتاب الکترونیکی

خوشه بندی داده ها: نظریه، الگوریتم ها و کاربردها (سری ASA-SIAM در آمار و احتمال کاربردی)

Data Clustering: Theory, Algorithms, and Applications (ASA-SIAM Series on Statistics and Applied Probability)

دانلود کتاب Data Clustering: Theory, Algorithms, and Applications (ASA-SIAM Series on Statistics and Applied Probability) (به فارسی: خوشه بندی داده ها: نظریه، الگوریتم ها و کاربردها (سری ASA-SIAM در آمار و احتمال کاربردی)) نوشته شده توسط «Guojun Gan; Chaoqun Ma; and Jianhong Wu»


اطلاعات کتاب خوشه بندی داده ها: نظریه، الگوریتم ها و کاربردها (سری ASA-SIAM در آمار و احتمال کاربردی)

موضوع اصلی: آمار ریاضی

نوع: کتاب الکترونیکی

ناشر: SIAM, Society for Industrial and Applied Mathematics

نویسنده: Guojun Gan; Chaoqun Ma; and Jianhong Wu

زبان: English

فرمت کتاب: djvu (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2007

تعداد صفحه: 488

حجم کتاب: 2 مگابایت

کد کتاب: 0898716233 , 9780898716238

توضیحات کتاب خوشه بندی داده ها: نظریه، الگوریتم ها و کاربردها (سری ASA-SIAM در آمار و احتمال کاربردی)

تجزیه و تحلیل خوشه ای یک فرآیند بدون نظارت است که مجموعه ای از اشیاء را به گروه های همگن تقسیم می کند. این کتاب با اطلاعات اولیه در مورد تجزیه و تحلیل خوشه‌ای، از جمله طبقه‌بندی داده‌ها و معیارهای مشابهت متناظر، شروع می‌شود و پس از آن بیش از 50 الگوریتم خوشه‌بندی در گروه‌ها بر اساس برخی روش‌های پایه خاص مانند سلسله مراتبی، مبتنی بر مرکز و جستجو محور ارائه می‌شود. مواد و روش ها. در نتیجه، خوانندگان و کاربران می توانند به راحتی الگوریتم مناسبی را برای برنامه های خود شناسایی کرده و ایده های جدید را با نتایج موجود مقایسه کنند. این کتاب همچنین نمونه هایی از کاربردهای خوشه بندی را برای نشان دادن مزایا و کاستی های معماری ها و الگوریتم های مختلف خوشه بندی ارائه می دهد. زمینه های کاربردی شامل تشخیص الگو، هوش مصنوعی، فناوری اطلاعات، پردازش تصویر، زیست شناسی، روانشناسی و بازاریابی است. خوانندگان همچنین می آموزند که چگونه با زبان های برنامه نویسی C/C++ و MATLAB® تجزیه و تحلیل خوشه ای انجام دهند. مخاطبان گروه های زیر این کتاب را یک ابزار و مرجع ارزشمند خواهند یافت: آمارگیران کاربردی; مهندسین و دانشمندان با استفاده از تجزیه و تحلیل داده ها؛ محققان در تشخیص الگو، هوش مصنوعی، یادگیری ماشین و داده کاوی؛ و ریاضیدانان کاربردی مربیان همچنین می توانند از آن به عنوان یک کتاب درسی برای یک دوره مقدماتی در تجزیه و تحلیل خوشه ای یا به عنوان منبع منبع برای مقدمه ای در سطح فارغ التحصیلی برای داده کاوی استفاده کنند. مطالب مقدمه; فصل 1: خوشه بندی داده ها. فصل 2: ​​انواع داده ها. فصل 3: تبدیل مقیاس. فصل 4: استانداردسازی و تبدیل داده ها. فصل 5: تجسم داده ها. فصل ششم: اقدامات تشابه و عدم تشابه; فصل هفتم: تکنیک های خوشه بندی سلسله مراتبی. فصل 8: الگوریتم های خوشه بندی فازی. فصل نهم: الگوریتم‌های خوشه‌بندی مبتنی بر مرکز. فصل 10: الگوریتم های خوشه بندی مبتنی بر جستجو. فصل 11: الگوریتم های خوشه بندی مبتنی بر نمودار. فصل 12: الگوریتم های خوشه بندی مبتنی بر شبکه. فصل 13: الگوریتم های خوشه بندی مبتنی بر چگالی. فصل 14: الگوریتم های خوشه بندی مبتنی بر مدل. فصل 15: خوشه بندی زیرفضا. فصل شانزدهم: الگوریتم های متفرقه; فصل 17: ارزیابی الگوریتم های خوشه بندی. فصل 18: خوشه بندی داده های بیان ژن. فصل 19: خوشه بندی داده ها در متلب. فصل 20: خوشه بندی در C/C++; پیوست A: برخی از الگوریتم های خوشه بندی. ضمیمه B: ساختار داده درخت Thekd. پیوست ج: کدهای متلب; پیوست D: کدهای C++; فهرست موضوعی; فهرست نویسنده


Cluster analysis is an unsupervised process that divides a set of objects into homogeneous groups. This book starts with basic information on cluster analysis, including the classification of data and the corresponding similarity measures, followed by the presentation of over 50 clustering algorithms in groups according to some specific baseline methodologies such as hierarchical, center-based, and search-based methods. As a result, readers and users can easily identify an appropriate algorithm for their applications and compare novel ideas with existing results. The book also provides examples of clustering applications to illustrate the advantages and shortcomings of different clustering architectures and algorithms. Application areas include pattern recognition, artificial intelligence, information technology, image processing, biology, psychology, and marketing. Readers also learn how to perform cluster analysis with the C/C++ and MATLAB® programming languages. Audience The following groups will find this book a valuable tool and reference: applied statisticians; engineers and scientists using data analysis; researchers in pattern recognition, artificial intelligence, machine learning, and data mining; and applied mathematicians. Instructors can also use it as a textbook for an introductory course in cluster analysis or as source material for a graduate-level introduction to data mining. Contents Preface; Chapter 1: Data Clustering; Chapter 2: Data Types; Chapter 3: Scale Conversion; Chapter 4: Data Standardizatin and Transformation; Chapter 5: Data Visualization; Chapter 6: Similarity and Dissimilarity Measures; Chapter 7: Hierarchical Clustering Techniques; Chapter 8: Fuzzy Clustering Algorithms; Chapter 9: Center Based Clustering Algorithms; Chapter 10: Search Based Clustering Algorithms; Chapter 11: Graph Based Clustering Algorithms; Chatper 12: Grid Based Clustering Algorithms; Chapter 13: Density Based Clustering Algorithms; Chapter 14: Model Based Clustering Algorithms; Chapter 15: Subspace Clustering; Chapter 16: Miscellaneous Algorithms; Chapter 17: Evaluation of Clustering Algorithms; Chapter 18: Clustering Gene Expression Data; Chapter 19: Data Clustering in MATLAB; Chapter 20: Clustering in C/C++; Appendix A: Some Clustering Algorithms; Appendix B: Thekd-tree Data Structure; Appendix C: MATLAB Codes; Appendix D: C++ Codes; Subject Index; Author Index

دانلود کتاب «خوشه بندی داده ها: نظریه، الگوریتم ها و کاربردها (سری ASA-SIAM در آمار و احتمال کاربردی)»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.