基於近鄰思想和同步模型的聚類演算法 陳新泉 9787121476921 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$375
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202405*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：基於近鄰思想和同步模型的聚類演算法 ISBN：9787121476921 出版社：電子工業 著編譯者：陳新泉 頁數：134 所在地：中國大陸 *此為代購商品 書號：1639738 可大量預訂，請先連絡。 內容簡介 本書以近鄰思想、同步聚類模型及快速同步聚類演算法為研究課題，重點研究了基於近鄰圖與單元網格圖的聚類演算法、基於近鄰勢與單元網格近鄰勢的聚類演算法、快速同步聚類演算法、基於Vicsek模型線性版本的同步聚類演算法、基於線性加權Vicsek模型的收縮同步聚類演算法、基於分而治之框架與收縮同步聚類演算法的多層同步聚類方法和基於ESynC演算法與微聚類合併判斷過程的組合聚類演算法等。 本書可作為聚類分析領域研究生的教學和科研參考教材，也可作為智能數據分析與處理技術人員的自學研究參考教材。作者簡介 陳新泉，男，1974年7月生，湖南安仁人，博士后，教授、碩士生導師；系統模擬 & 模擬技術應用專委會委員、計算機學會3個專委會委員、CCF高級會員、中國複雜性科學研究會會員、安徽省計算機學會青工委委員、安徽工程大學學報編委；多個國際知名SCI期刊（如Data Mining and KnowledgeDiscovery、Computational Intelligence等）和國內期刊的審稿人、國際SCI期刊Journal of Intelligent & Fuzzy Systems的副主編。多次參与省自然科學基金及省重大專項項目的評審，參与過多個國家級、省部級科研項目，主持過5個省廳級科研項目。在數據挖掘領域從事了20多年的研究，有著較為豐富的科學研究和教學工作經歷。在混合型數據集的加權聚類分析、特徵權重優化、同步聚類、深度聚類方面有著較為深入的研究。已獨立出版了2部學術專著，在CCF推薦SCI源期刊及其他期刊或會議上以第一作者身份發表了40多篇學術論文，其中SCI檢索期刊論文7篇，CSCD檢索期刊論文8篇。目錄 第1章 聚類演算法與空間索引結構基礎1 1 背景與意義 1 2 聚類演算法簡介 1 2 1 基於劃分的聚類演算法 1 2 2 層次聚類演算法 1 2 3 密度聚類演算法 1 2 4 網格聚類演算法 1 2 5 模型聚類演算法 1 2 6 圖聚類演算法 1 2 7 其他聚類演算法 1 3 聚類演算法的研究現狀及發展趨勢 1 4 同步聚類 1 4 1 同步的起源與發展 1 4 2 同步聚類的起源與發展 1 5 近鄰思想及同步模型在聚類分析中的應用 1 6 空間索引結構基礎 1 7 本書的主要內容 第2章 基於近鄰圖與單元網格圖的聚類演算法 2 1 基本概念及性質 2 2 基於近鄰圖的聚類演算法 2 2 1 CNNG演算法示例 2 2 2 CNNG演算法描述 2 2 3 CNNG演算法的複雜度分析 2 2 4 CNNG演算法的改進 2 3 基於單元網格圖的聚類演算法 2 3 1 CGCG演算法的預處理 2 3 2 CGCG演算法預處理步驟的複雜度分析 2 3 3 CGCG演算法描述 2 3 4 CGCG演算法的複雜度分析 2 4 演算法實現與改進的若干方法及細節 2 4 1 多維網格劃分法 2 4 2 多維索引樹結構 2 4 3 近鄰點集的構造 2 4 4 δ近鄰單元網格集的構造 2 4 5 區域是否存在交集的判定 2 5 本章小結 第3章 基於近鄰勢與單元網格近鄰勢的聚類演算法 3 1 基本概念 3 2 基於近鄰勢的聚類演算法 3 2 1 CNNI演算法描述 3 2 2 CNNI演算法的說明 3 2 3 參數δ的設置 3 2 4 CNNI演算法的改進版本 3 2 5 CNNI演算法的變種版本 3 3 基於單元網格近鄰勢的聚類演算法 3 3 1 CIGC演算法描述 3 3 2 CIGC演算法的複雜度分析 3 3 3 CIGC演算法的參數設置 3 4 本章小結 第4章 快速同步聚類演算法 4 1 基本概念 4 2 快速同步聚類演算法的三種具體版本 4 2 1 SynC演算法描述 4 2 2 基於R樹的快速同步聚類演算法 4 2 3 基於多維網格和紅黑樹的快速同步聚類演算法 4 2 4 FSynC演算法的一些知識 4 2 5 FSynC演算法的複雜度分析 4 2 6 FSynC演算法的參數設置 4 3 本章小結 第5章 基於Vicsek模型線性版本的同步聚類演算法 5 1 基本概念及性質 5 2 有效的ESynC演算法 5 2 1 有效的ESynC演算法描述 5 2 2 比較Kuramoto擴展模型、Vicsek模型的線性版本及Vicsek模型的原始版本 5 2 3 ESynC演算法的複雜度分析 5 2 4 ESynC演算法的參數設置 5 2 5 ESynC演算法的收斂性 5 2 6 ESynC演算法的改進 5 3 本章小結 第6章 基於線性加權Vicsek模型的收縮同步聚類演算法 6 1 基本概念 6 2 SSynC演算法的對比與分析 6 2 1 SSynC演算法描述 6 2 2 比較SynC演算法、ESynC演算法和SSynC演算法的動態同步聚類過程 6 2 3 SSynC演算法的複雜度分析 6 2 4 SSynC演算法的參數設置 6 2 5 SSynC演算法的收斂性 6 2 6 SSynC演算法的改進 6 3 本章小結 第7章 基於分而治之框架與收縮同步聚類演算法的多層同步聚類方法 7 1 MLSynC 7 1 1 使用MLSynC的條件 7 1 2 MLSynC的兩層框架演算法描述 7 1 3 MLSynC的遞歸演算法描述 7 2 MLSynC的分析 7 2 1 比較SynC演算法、ESynC演算法、SSynC演算法和MLSynC的同步聚類過程 7 2 2 MLSynC的複雜度分析 7 2 3 MLSynC的參數設置 7 2 4 MLSynC的收斂性 7 2 5 MLSynC的改進 7 3 本章小結 第8章 基於ESynC演算法與微聚類合併判斷過程的組合聚類演算法 8 1 基本概念及性質 8 2 組合ESynC演算法與微聚類合併判斷過程的聚類方法 8 2 1 CESynC演算法描述 8 2 2 CESynC演算法中微聚類的合併策略 8 2 3 CESynC演算法中微聚類的合併判斷方法 8 2 4 CESynC演算法的複雜度分析 8 2 5 CESynC演算法的參數設置 8 3 本章小結 第9章 近鄰同步聚類模型與指數衰減加權同步聚類模型的比較與分析 9 1 基本概念 9 2 基於同步模型的聚類演算法框架 9 2 1 CNNS 9 2 2 CEDS 9 3 複雜度分析 9 3 1 演算法9-1的複雜度分析 9 3 2 演算法9-2的複雜度分析 9 4 參數的優化確定 9 5 本章小結 第10章 總結與展望 10 1 總結 10 2 展望 參考文獻 附錄A 致謝 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
