Búsqueda rápida del vecino más cercano
Nuevos algoritmos para espacios semimétricos finito dimensionales
-
5% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 29.00
-
12 027 Ft (11 455 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 5% (cc. 601 Ft off)
- Kedvezményes ár 11 426 Ft (10 882 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
12 027 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Editorial Académica Espa?ola
- Megjelenés dátuma 2012. január 1.
- ISBN 9783659049880
- Kötéstípus Puhakötés
- Terjedelem68 oldal
- Méret 220xx mm
- Nyelv 0
Kategóriák
Hosszú leírás:
La búsqueda del vecino más cercano es una técnica ampliamente usada en problemas de Reconocimiento de Patrones. Cuando la base de datos es grande o la función de comparación es costosa computacionalmente, la búsqueda del vecino más cercano por fuerza bruta se torna impráctica. Una manera de lidiar con este problema es a través de los algoritmos de búsqueda rápida del vecino más cercano. Aunque muchos son los algoritmos propuestos para trabajar en espacios métricos, poco se ha hecho para el trabajo en condiciones más generales. Es por esto que en este trabajo se proponen 4 nuevos algoritmos para acelerar la búsqueda del vecino más cercano en espacios semimétricos finitos dimensionales. Los nuevos algoritmos se basan en 4 teoremas que se proponen y demuestran en el documento. Para evaluar los algoritmos se realizan experimentos numéricos con 5 bases de datos reales del repositorio de la Universidad de California en Irvine. Para la mayoría de las bases de datos de prueba, los algoritmos propuestos obtienen el vecino más cercano con menos comparaciones entre objetos que las realizadas por el único algoritmo propuesto en la literatura para espacios semimétricos finito dimensionales.
Több
