ترجمه مقاله روش های تخمین بعدی بودن داده: نظرسنجی

ویژگی های فایل:
  • کد محصول:1207
  • تعداد صفحات ترجمه فارسی:16 صفحه
  • قابل پرینت:می باشد
سوالی دارید؟
دسته بندی:

64,000 تومان

  • این فایل با کیفیت بسیار مطلوب و مناسب، آماده خرید اینترنتی می‌ باشد.
  • بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد.
  • همچنین پس از خرید، فایل به آدرس ایمیل شما نیز ارسال خواهد شد.
  • تضمین قیمت مناسب
  • پشتیبانی از 8 تا 18 ، روزهای کاری
  • بازگشت وجه در صورت عدم رضایت
  • تولید محتوا توسط افراد متخصص
  • محتوای کاربردی و بسیار مفید

عنوان فارسی:

 روش های تخمین بعدی بودن داده: نظرسنجی

عنوان انگلیسی: 

Data Dimensionality Estimation Methods: A survey

فهرست مطالب:

1- مقدمه

2- روش های محلی

3- الگوریتم Fukunaga–Olsen

4- الگوریتم واحد مجاور نزدیک

5- روش های مبنی بر TRN

6- روش های جهانی

7- روش های پیش بینی

8- روش های مقیاس گذاری چند بعدی

9- الگوریتم Bennett

10- نقشه برداری Sammon

11- روش های مبنی بر فرکتال

12- بعد شمارش کادر

13- بعد همبستگی

14- روش های تخمین بعد فراکتال

15- روش Takens

16- محدودیت های روش فراکتال

17- کاربرد ها

18- نتیجه گیری

نمونه متن انگلیسی

Abstract:

In this paper, data dimensionality estimation methods are reviewed. The estimation of the dimensionality of a data set is a classical problem of pattern recognition. There are some good reviews in literature but they do not include more recent developments based on fractal techniques and neural autoassociators. The aim of this paper is to provide an up-to-date survey of the dimensionality estimation methods of a data set, paying special attention to the fractal-based methods.

نمونه متن فارسی

چکیده:

داده‌کاوی ترجمه عبارت Data Mining و به معنی کاویدن معادن داده است. Data Mining  علم و فنی است که در سال های اخیر و با گسترش استفاده از فناوری اطلاعات و سیستم های اطلاعاتی مورد توجه سازمان ها قرار گرفته و یعنی استخراج اطلاعات گران بها از حجم عظیم معادن داده. داده‌کاوی کاربردهای مختلفی برای سازمان ها دارد و می تواند برای شرکت ها در زمینه های مهمی مثل بازاریابی و فروش بسیار راه گشا و مفید باشد.

پیش از آغاز عملیات داده‌کاوی نیاز است که پیش پردازش کاملی روی داده‌ها انجام شود تا داده‌های غیر مفید و ناکارآمد از داده‌های مفید و کاربردی تفکیک شوند. داده‌کاوی کمک می کند تا رفتار کسب و کار خود در را کاملا بشناسید و بر این اساس آینده کاری خود را به خوبی پیش‌بینی کنید. همچنین با شفاف کردن فضای حاکم بر کسب و کار، به شما کمک می‌کند واقع بینانه و درست تصمیم بگیرید. در مسایل تشخیص الگو مرتبط با داده‌های مشخص به عنوان بردار بعد d می باشد و این داده‌ها در R تعبیه شده ولی این لزوما اشاره به این ندارد که بعد واقعی آن d می باشد.

ترجمه مقاله روش های تخمین بعدی بودن داده‌ها در Elsevier چاپ گردیده است. چنانچه تمایل به مشاهده مطالب بیشتر دارید به سایت دانلودنما مراجعه فرمایید.

قابل ویرایش

می باشد

کد محصول

1207

قابل پرینت

می باشد

حجم فایل

757 کیلوبایت

رفرنس

دارد

محتوای فایل دانلودی

Zip

زبان فایل ترجمه شده

فارسی

نشریه

Elsevier

سال انتشار

2003

فرمت ترجمه مقاله

ورد تایپ شده

فرمت مقاله انگلیسی

پی دی اف

تعداد صفحات ترجمه فارسی

16 صفحه

تعداد صفحات مقاله انگلیسی

22 صفحه

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و مهندسی فناوری اطلاعات

گرایش های مرتبط با این مقاله

داده کاوی، پردازش داده و امنیت داده

مجله

Pattern Recognition

دانشگاه

University of Genova, Via Dodecaneso 35 – 16146 Genova Italy

کلمات کلیدی

Intrinsic Dimensionality, Topological Dimension, Fukunaga-Olsen’s algorithm, Fractal Dimension, MultiDimensional Scaling

جزئیات محصول

این محصول شامل یک فایل ورد تایپ شده (قابل ویرایش) و نیز یک فایل پی دی اف ترجمه مقاله می‌ باشد.

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “ترجمه مقاله روش های تخمین بعدی بودن داده: نظرسنجی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سبد خرید

هیچ محصولی در سبد خرید نیست.

ورود به سایت
هدف‌ های امنیتی در مدل سرویس محیط محاسباتی ابری
ترجمه مقاله روش های تخمین بعدی بودن داده: نظرسنجی

64,000 تومان