Andere Kunden interessierten sich auch für
![Ein verbessertes Verfahren zur Verbesserung des Deduplizierungssystems]( "Ein verbessertes Verfahren zur Verbesserung des Deduplizierungssystems")
Ein verbessertes Verfahren zur Verbesserung des Deduplizierungssystems54,90 €![Die Phantombrigade]( "Die Phantombrigade")
Die Phantombrigade79,90 €![Faktencheck durch Partitionierung von Daten]( "Faktencheck durch Partitionierung von Daten")
Faktencheck durch Partitionierung von Daten39,90 €![Energiebewusstes biologisch inspiriertes Routing-Verfahren für mobile Adhoc-Netze]( "Energiebewusstes biologisch inspiriertes Routing-Verfahren für mobile Adhoc-Netze")
Energiebewusstes biologisch inspiriertes Routing-Verfahren für mobile Adhoc-Netze43,90 €![Neuartiges Ensemble-basiertes Verfahren zur Vorhersage der Internetnutzung]( "Neuartiges Ensemble-basiertes Verfahren zur Vorhersage der Internetnutzung")
Neuartiges Ensemble-basiertes Verfahren zur Vorhersage der Internetnutzung39,90 €![Ausreißererkennung auf der Grundlage von Clustering über erfasste Daten mit HADOOP]( "Ausreißererkennung auf der Grundlage von Clustering über erfasste Daten mit HADOOP")
Ausreißererkennung auf der Grundlage von Clustering über erfasste Daten mit HADOOP35,90 €![Erkennung von Handgesten mit verschiedenen bildverarbeitenden Verfahren]( "Erkennung von Handgesten mit verschiedenen bildverarbeitenden Verfahren")
Erkennung von Handgesten mit verschiedenen bildverarbeitenden Verfahren49,90 €
In diesem Buch wird eine neue Clustering-Technik für kategoriale Daten vorgestellt. Die Effektivität eines Clustering-Verfahrens wird im Wesentlichen durch zwei Aspekte bestimmt: die Suchmethode und die Kriterien für die Nähe. Der vorgeschlagene Algorithmus verwendet einen genetischen Algorithmus für das Clustering, der sich in den Experimenten als effiziente Clustering-Methode für kategoriale Daten erwiesen hat. Die Proximity-Kriterien verwenden ein regelbasiertes informationstheoretisches Maß, das Weight of Evidence. Es findet die interessanten Muster und misst das Gewicht dieser Muster, die das Vorhandensein eines Zielwertpaares unterstützen, um für ein Cluster-Label relevant zu sein. Durch Aufsummieren des Gesamtgewichts, das die Datensätze in den Mustern aufgrund des Vorhandenseins sowohl des Zielwerts als auch des entsprechenden Cluster-Labels erhalten, wird die Fitness im Chromosom gemessen und somit festgestellt, wie gut die Datensätze zusammen geclustert sind.