Uncertain Data Analysis
Fuzzy Vector Algorithms
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 155.00
-
74 051 Ft (70 525 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) 10% (cc. 7 405 Ft off)
- Kedvezményes ár 66 646 Ft (63 473 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
74 051 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
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 1
- Kiadó CRC Press
- Megjelenés dátuma 2026. április 23.
- ISBN 9781041060222
- Kötéstípus Keménykötés
- Terjedelem124 oldal
- Méret 234x156 mm
- Nyelv angol
- Illusztrációk 76 Illustrations, black & white; 76 Line drawings, black & white; 25 Tables, black & white 700
Kategóriák
Rövid leírás:
This book studies different classification, detection and decision fusion algorithms, and helps practitioners deal with uncertainty in their data sets.
TöbbHosszú leírás:
This book studies different classification, detection, and decision fusion algorithms, and it helps practitioners deal with uncertainty in their data sets. Data uncertainties are considered as a collection of linguistic/fuzzy values or a vector of fuzzy numbers, and fuzzy algorithms are used to analyze these data sets. There are many theories and applications developed based on fuzzy set theory.
The topics of classification and prediction using fuzzy algorithms are introduced in the chapters on K-nearest prototype, clustering, and neural networks. The linguistic/fuzzy algorithm is designed to work with linguistic data represented by fuzzy vectors. The linguistic K-nearest prototypes algorithm is particularly useful in fields where data is inherently imprecise or fuzzy, such as in management questionnaire analysis, where responses may not be strictly quantitative. The reader also learns about clustering algorithms, such as linguistic hard C-means and linguistic fuzzy C-means, for single and multiple clusters, respectively. The book explores the integration of fuzzy multilayer perceptrons (FMLPs) with the cuckoo search (CS) algorithm to enhance the performance and applicability of neural networks in handling complex fuzzy data. The extended version of two commonly used fuzzy integrals covered include the Choquet and the Sugeno integrals. Mathematical analysis of these algorithms is included in the study of the different approaches each takes to the aggregation of uncertain data. Both integrals are powerful tools for handling fuzzy data, and their use in improving decision-making and analysis is demonstrated through real-world application examples using both of these algorithms. Very importantly, decision fusion is studied using fuzzy Dempster–Shafer theory with a real-world example of an application.
This book serves as a guide for practitioners, such as robotics engineers, computer scientists, and researchers working on computational intelligence. It is also suitable for graduate courses on fuzzy theories and fuzzy techniques.
TöbbTartalomjegyzék:
1. Linguistic/Fuzzy Vectors: What and Why?. 2. Linguistic K-Nearest Prototype. 3. Linguistic Clustering. 4. Fuzzy Multilayer Perceptrons. 5. Fuzzy Self-Organizing Feature Map. 6. Linguistic Fuzzy Integral. 7. Fuzzy Dempster’s Rule of Combination.
Több
