Andere Kunden interessierten sich auch für
![Une technique efficace de regroupement hiérarchique pour le diagnostic médical]( "Une technique efficace de regroupement hiérarchique pour le diagnostic médical")
Une technique efficace de regroupement hiérarchique pour le diagnostic médical23,99 €![Regroupement traditionnel et basé sur Map-Reduce pour les grands ensembles de données]( "Regroupement traditionnel et basé sur Map-Reduce pour les grands ensembles de données")
Regroupement traditionnel et basé sur Map-Reduce pour les grands ensembles de données40,99 €![Extraction de règles d'association à l'aide d'un graphique et d'une technique de regroupement]( "Extraction de règles d'association à l'aide d'un graphique et d'une technique de regroupement")
Extraction de règles d'association à l'aide d'un graphique et d'une technique de regroupement29,99 €![Récupération efficace des données vidéo à l'aide de l'algorithme de clustering]( "Récupération efficace des données vidéo à l'aide de l'algorithme de clustering")
Récupération efficace des données vidéo à l'aide de l'algorithme de clustering23,99 €![Algorithmes de regroupement pour les images colorées bruitées]( "Algorithmes de regroupement pour les images colorées bruitées")
Algorithmes de regroupement pour les images colorées bruitées29,99 €![Approche hybride d'optimisation métaheuristique : Théorie et application]( "Approche hybride d'optimisation métaheuristique : Théorie et application")
Approche hybride d'optimisation métaheuristique : Théorie et application26,99 €![Détection de valeurs aberrantes basée sur le regroupement de données détectées à l'aide de HADOOP]( "Détection de valeurs aberrantes basée sur le regroupement de données détectées à l'aide de HADOOP")
Détection de valeurs aberrantes basée sur le regroupement de données détectées à l'aide de HADOOP23,99 €
Dans ce livre, une nouvelle technique de regroupement pour les données catégorielles est présentée. Essentiellement, l'efficacité d'une technique de regroupement est déterminée de manière significative par deux aspects, la méthode de recherche et les critères de proximité. L'algorithme proposé utilise un algorithme génétique pour le regroupement qui s'avère être une méthode de regroupement efficace pour les données catégorielles. Les critères de proximité adoptent une mesure théorique de l'information basée sur des règles, appelée poids de la preuve. Il trouve les modèles intéressants et mesure le poids de ces modèles qui soutiennent la présence d'une paire objectif-valeur pour être pertinents pour une étiquette de cluster. En additionnant le poids total que les enregistrements acquièrent dans les modèles en raison de la présence à la fois de la valeur objective et de l'étiquette de cluster correspondante, on mesure l'adéquation dans le chromosome et on voit ainsi comment les enregistrements sont le mieux regroupés.