ترجمه فارسی توضیحات (ترجمه ماشینی)
تجزیه و تحلیل خوشه ای برای داده کاوی و شناسایی سیستم
این کتاب رویکردهای جدیدی را برای داده کاوی و شناسایی سیستم ارائه می کند. الگوریتمهایی که میتوانند برای خوشهبندی دادهها استفاده شوند، مرور شدهاند. تکنیک ها و ابزارهای جدیدی برای خوشه بندی، طبقه بندی، رگرسیون و تجسم مجموعه داده های پیچیده ارائه شده است. توجه ویژه به تجزیه و تحلیل دادههای فرآیند تاریخی داده میشود، الگوریتمهای مناسب برای مدلسازی مبتنی بر دادههای سیستمهای دینامیکی، تعیین ترتیب مدل مدلهای جعبه سیاه ورودی-خروجی غیرخطی، و تقسیمبندی سریهای زمانی چند متغیره ارائه شدهاند. روشها و تکنیکهای اصلی از طریق چندین برنامه شبیهسازیشده و واقعی از دادهکاوی و روشهای مهندسی فرآیند نشان داده شدهاند.
این کتاب عمدتاً برای پزشکان، پژوهشگران و متخصصان آمار، دادهکاوی، هوش تجاری طراحی شده است. و مهندسی سیستم، اما برای دانشجویان فارغ التحصیل و کارشناسی در ریاضیات کاربردی، علوم کامپیوتر، برق و مهندسی فرآیند نیز قابل دسترسی است. آشنایی با اصول اولیه شناسایی سیستم و سیستم های فازی مفید است اما لازم نیست.
This book presents new approaches to data mining and system identification. Algorithms that can be used for the clustering of data have been overviewed. New techniques and tools are presented for the clustering, classification, regression and visualization of complex datasets. Special attention is given to the analysis of historical process data, tailored algorithms are presented for the data driven modeling of dynamical systems, determining the model order of nonlinear input-output black box models, and the segmentation of multivariate time-series. The main methods and techniques are illustrated through several simulated and real-world applications from data mining and process engineering practice.
The books is aimed primarily at practitioners, researches, and professionals in statistics, data mining, business intelligence, and systems engineering, but it is also accessible to graduate and undergraduate students in applied mathematics, computer science, electrical and process engineering. Familiarity with the basics of system identification and fuzzy systems is helpful but not required.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.