Graph-Based Clustering and Data Visualization Algorithms
Sorozatcím: SpringerBriefs in Computer Science;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 64.19
-
26 622 Ft (25 355 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) 20% (cc. 5 324 Ft off)
- Kedvezményes ár 21 298 Ft (20 284 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
26 622 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:
- Kiadás sorszáma 2013
- Kiadó Springer London
- Megjelenés dátuma 2013. június 5.
- Kötetek száma 1 pieces, Book
- ISBN 9781447151579
- Kötéstípus Puhakötés
- Terjedelem110 oldal
- Méret 235x155 mm
- Súly 454 g
- Nyelv angol
- Illusztrációk XIII, 110 p. 62 illus. Illustrations, black & white 180
Kategóriák
Hosszú leírás:
This work presents a data visualization technique that combines graph-based topology representation and dimensionality reduction methods to visualize the intrinsic data structure in a low-dimensional vector space. The application of graphs in clustering and visualization has several advantages. A graph of important edges (where edges characterize relations and weights represent similarities or distances) provides a compact representation of the entire complex data set. This text describes clustering and visualization methods that are able to utilize information hidden in these graphs, based on the synergistic combination of clustering, graph-theory, neural networks, data visualization, dimensionality reduction, fuzzy methods, and topology learning. The work contains numerous examples to aid in the understanding and implementation of the proposed algorithms, supported by a MATLAB toolbox available at an associated website.
TöbbTartalomjegyzék:
Vector Quantisation and Topology-Based Graph Representation.- Graph-Based Clustering Algorithms.- Graph-Based Visualisation of High-Dimensional Data.
Több
Joint Source Channel Coding Using Arithmetic Codes
13 686 Ft
12 592 Ft
Design of User Interfaces with a Data Science Approach
147 651 Ft
135 839 Ft
