Name: Ein effizientes hierarchisches Clustering-Verfahren für die medizinische Diagnostik (en Alemán)
Price: 59.21 USD
Availability: InStock
Author: Yadav, Pooja ; Dhull, Anuradha
ISBN: 9786207505630

portada Ein effizientes hierarchisches Clustering-Verfahren für die medizinische Diagnostik (en Alemán)

Ein effizientes hierarchisches Clustering-Verfahren für die medizinische Diagnostik (en Alemán)

Formato

Libro Físico

Autor

Pooja Yadav

Anuradha Dhull

Editorial

Verlag Unser Wissen

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.3 cm

Peso

0.10 kg.

ISBN13

9786207505630

Categorías

Tecnología de la información: cuestiones generales

Ein effizientes hierarchisches Clustering-Verfahren für die medizinische Diagnostik (en Alemán)

Pooja Yadav (Autor) · Anuradha Dhull (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 24 a 31 días háb.

$ 98.68$ 59.21

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 59.21

Llega entre el 24 Jul y el 06 Ago a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Ein effizientes hierarchisches Clustering-Verfahren für die medizinische Diagnostik (en Alemán)"

Clusteranalyse ist die Gruppierung einer Anordnung von Objekten in der Weise, dass Objekte in einer verwandten Gruppe (bekannt als Cluster) mit jeder anderen Gruppe im Vergleich zu denen in anderen Gruppen weiter verwandt sind. Dies ist eine grundlegende Aufgabe der Untersuchung von Information Retrieval, und ein charakteristisches Verfahren für messbare Wissensanalyse, die in den meisten Bereichen verwendet wird, mit Gerätewissen, Bildanalyse, Faktenverbesserung, Bioinformatik, Wissensanforderungen und Computerdarstellung. Im Bereich des maschinellen Lernens sind verschiedene hierarchische Clustering-Techniken und ihre Varianten sehr stark erforscht worden. Diese Techniken sind jedoch deterministisch, brauchen sich nicht um eine bestimmte Anzahl von Clustern zu kümmern und sind stabil. Sie sind jedoch aufgrund der nichtlinearen Korrelationen nicht für hochdimensionale Datensätze skalierbar. In dieser Forschung kombinieren wir das agglomerative hierarchische Clustering mit der KNN-Klassifizierung, die im Vergleich zum hierarchischen Clustering eine bessere Genauigkeit bietet. KNN ist eine Klassifizierungstechnik und die einzige Methode, um die Medoide der gebildeten Cluster zu finden.