Andere Kunden interessierten sich auch für
![Prevenzione dell'attacco Black-hole sui dati utilizzando la tecnica Honey-Pot]( "Prevenzione dell'attacco Black-hole sui dati utilizzando la tecnica Honey-Pot")
Prevenzione dell'attacco Black-hole sui dati utilizzando la tecnica Honey-Pot26,99 €![Una tecnica efficiente di clustering gerarchico per la diagnosi medica]( "Una tecnica efficiente di clustering gerarchico per la diagnosi medica")
Una tecnica efficiente di clustering gerarchico per la diagnosi medica23,99 €![Una tecnica migliorata per migliorare il sistema di deduplicazione]( "Una tecnica migliorata per migliorare il sistema di deduplicazione")
Una tecnica migliorata per migliorare il sistema di deduplicazione36,99 €![Ottimizzazione di un sistema di rete VoIP unificato protetto IPv4 e IPv6]( "Ottimizzazione di un sistema di rete VoIP unificato protetto IPv4 e IPv6")
Ottimizzazione di un sistema di rete VoIP unificato protetto IPv4 e IPv640,99 €![Recupero efficiente di dati video tramite algoritmo di clustering]( "Recupero efficiente di dati video tramite algoritmo di clustering")
Recupero efficiente di dati video tramite algoritmo di clustering23,99 €![Ottimizzazione delle decisioni di progettazione dell'automazione delle risorse idriche]( "Ottimizzazione delle decisioni di progettazione dell'automazione delle risorse idriche")
Ottimizzazione delle decisioni di progettazione dell'automazione delle risorse idriche26,99 €![Primo passo verso l'ottimizzazione per i motori di ricerca]( "Primo passo verso l'ottimizzazione per i motori di ricerca")
Primo passo verso l'ottimizzazione per i motori di ricerca23,99 €
In questo libro viene introdotta una nuova tecnica di clustering per i dati categoriali. Essenzialmente, l'efficacia di una tecnica di clustering è determinata in modo significativo da due aspetti, il metodo di ricerca e i criteri di prossimità. L'algoritmo proposto utilizza un algoritmo genetico per il clustering, che si è dimostrato negli esperimenti un metodo di clustering efficiente per i dati categorici. I criteri di prossimità adottano una misura teorica dell'informazione basata su regole, chiamata peso dell'evidenza. Trova i modelli interessanti e misura il peso di questi modelli che supportano la presenza di una coppia obiettivo-valore per essere rilevanti per un'etichetta di cluster. Sommando il peso totale che i record acquisiscono nei pattern grazie alla presenza sia del valore obiettivo sia dell'etichetta del cluster corrispondente, si misura il fitness del cromosoma e quindi si vede come i record siano meglio raggruppati tra loro.