23,99 €
inkl. MwSt.
Versandfertig in 6-10 Tagen
12 °P sammeln
Andere Kunden interessierten sich auch für
![An Efficient Hierarchical Clustering Technique for Medical Diagnosis]( "An Efficient Hierarchical Clustering Technique for Medical Diagnosis")
An Efficient Hierarchical Clustering Technique for Medical Diagnosis23,99 €![Technique optimisée de regroupement de données pour les données catégorielles]( "Technique optimisée de regroupement de données pour les données catégorielles")
Technique optimisée de regroupement de données pour les données catégorielles40,99 €![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 €![Proposition d'un nouvel algorithme pour l'analyse du regroupement hiérarchique]( "Proposition d'un nouvel algorithme pour l'analyse du regroupement hiérarchique")
Proposition d'un nouvel algorithme pour l'analyse du regroupement hiérarchique23,99 €![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 €![Une technique améliorée pour améliorer le système de dédoublonnage]( "Une technique améliorée pour améliorer le système de dédoublonnage")
Une technique améliorée pour améliorer le système de dédoublonnage36,99 €![Une méthode efficace de cybersécurité]( "Une méthode efficace de cybersécurité")
Une méthode efficace de cybersécurité23,99 €
L'analyse de grappes est le regroupement d'un ensemble d'objets de telle sorte que les objets d'un groupe apparenté (appelé grappe) sont davantage liés à tous les autres groupes que ceux des groupes différents. Il s'agit d'une tâche fondamentale de l'examen de la recherche d'informations et d'une procédure caractéristique de l'analyse des connaissances mesurables, utilisée dans la plupart des domaines, avec la connaissance des appareils, l'analyse d'images, l'amélioration des faits, la bio-informatique, les exigences en matière de connaissances et la représentation informatique. Diverses techniques de regroupement hiérarchique et leurs variantes ont été très étudiées dans le domaine de l'apprentissage automatique. Cependant, ces techniques sont déterministes, n'ont pas besoin de s'occuper d'un nombre déterminé de grappes et sont stables. Mais elles ne sont pas extensibles aux ensembles de données de grande dimension en raison de leurs corrélations non linéaires. Dans cette recherche, nous combinons le regroupement hiérarchique agglomératif avec la classification KNN qui donne une meilleure précision que le regroupement hiérarchique. KNN est la technique de classification et la seule méthode permettant de trouver les médioïdes des grappes formées.