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

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.