دانلود کتاب Grouping Multidimensional Data Recent Advances in Clustering (به فارسی: گروه بندی داده های چند بعدی پیشرفت های اخیر در خوشه بندی) نوشته شده توسط «Jacob Kogan – Charles Nicholas – Marc Teboulle»
اطلاعات کتاب گروه بندی داده های چند بعدی پیشرفت های اخیر در خوشه بندی
موضوع اصلی: سایبرنتیک: هوش مصنوعی
نوع: کتاب الکترونیکی
ناشر: Springer
نویسنده: Jacob Kogan – Charles Nicholas – Marc Teboulle
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2006
تعداد صفحه: 272
حجم کتاب: 8 مگابایت
کد کتاب: 9783540283485 , 3-540-28348-X
نوبت چاپ: 1
توضیحات کتاب گروه بندی داده های چند بعدی پیشرفت های اخیر در خوشه بندی
خوشه بندی یکی از اساسی ترین و ضروری ترین تکنیک های تجزیه و تحلیل داده ها است. خوشه بندی می تواند به عنوان یک کار داده کاوی مستقل برای تشخیص ویژگی های ذاتی داده ها یا به عنوان یک مرحله پیش پردازش با نتایج خوشه بندی و سپس برای طبقه بندی، تجزیه و تحلیل همبستگی یا تشخیص ناهنجاری استفاده شود.
کوگان و همکارانش. ویراستاران پیشرفت های اخیر را در خوشه بندی داده های بزرگ و با ابعاد بالا کنار هم قرار داده اند. حجم آنها به موضوعات و روش‌های جدیدی می‌پردازد که در تجزیه و تحلیل داده‌های مدرن، با تأکید ویژه بر ابزارهای جبر خطی، روش‌های بهینه‌سازی و تکنیک‌های آماری، مرکزی هستند. مشارکت‌هایی که توسط محققان برجسته از دانشگاه و صنعت نوشته شده است، مبانی نظری و همچنین کاربرد و ارزیابی الگوریتم‌ها را پوشش می‌دهد و در نتیجه یک نمای کلی پیشرفته ارائه می‌کند.
سطح جزئیات. ، گستردگی پوشش و کتابشناسی جامع این کتاب را برای محققان و دانشجویان فارغ التحصیل در داده کاوی و در بسیاری از حوزه های کاربردی مرتبط دیگر مناسب می کند.
Clustering is one of the most fundamental and essential data analysis techniques. Clustering can be used as an independent data mining task to discern intrinsic characteristics of data, or as a preprocessing step with the clustering results then used for classification, correlation analysis, or anomaly detection.
Kogan and his co-editors have put together recent advances in clustering large and high-dimension data. Their volume addresses new topics and methods which are central to modern data analysis, with particular emphasis on linear algebra tools, opimization methods and statistical techniques. The contributions, written by leading researchers from both academia and industry, cover theoretical basics as well as application and evaluation of algorithms, and thus provide an excellent state-of-the-art overview.
The level of detail, the breadth of coverage, and the comprehensive bibliography make this book a perfect fit for researchers and graduate students in data mining and in many other important related application areas.
دانلود کتاب «گروه بندی داده های چند بعدی پیشرفت های اخیر در خوشه بندی»
