Fr. 47.50

Détection de valeurs aberrantes à l'aide d'un algorithme hybride génétique et de recherche bactérienne de nourriture. - Algorithme hybride de recherche génétique et bactérienne

French · Paperback / Softback

Shipping usually within 2 to 3 weeks (title will be printed to order)

Description

Read more

DÉTECTION DES OUTLIERS À L'AIDE D'UN ALGORITHME HYBRIDE DE RECHERCHE GÉNÉTIQUE ET BACTÉRIENNE : Ce livre donne un aperçu de l'aberration et de ses techniques de détection. La valeur aberrante est une donnée dont la spécification n'appartient pas aux caractéristiques de l'ensemble de données ou du cluster. La division des objets en groupes significatifs d'objets ou de classes (cluster) sur la base de caractéristiques communes joue un rôle important dans la façon dont les gens analysent et décrivent le monde. Le clustering est un problème d'apprentissage non supervisé. Un meilleur clustering améliore la précision des résultats de recherche et aide à réduire le temps de recherche. Les travaux actuels définissent divers algorithmes tels que l'algorithme génétique et l'algorithme de recherche bactérienne pour trouver des données utiles à partir de données aberrantes. Les travaux de recherche font également la lumière sur les différentes techniques de regroupement et les types de regroupement.

About the author










Nome Sharnjeet Kaur, Departamento: C.S.E, Univeridade: Universidade de Chandigarh, Gharaun, Cidade: Kharar, Estado: Punjab, Pincode:140301,País:Índia.

Product details

Authors Sharnjeet Kaur
Publisher Editions Notre Savoir
 
Languages French
Product format Paperback / Softback
Released 21.10.2022
 
EAN 9786205276563
ISBN 9786205276563
No. of pages 52
Subject Natural sciences, medicine, IT, technology > Mathematics > Analysis

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.