(Paperback)

Alina SHafronenko

ISBN 10: 6209262600 / ISBN 13: 9786209262609

Published by LAP Lambert Academic Publishing, 2025

About this Item

Paperback. Monografiya prisvyachena novim efektivnim nechitkim metodam obchislyuvalnogo intelektu, a same, nechitkiy klasterizatsii danikh za umov apriornoi neviznachenosti ta nadannya im adaptivnikh vlastivostey, shcho zabezpechue mozhlivist opratsovuvannya potokiv nestatsionarnikh danikh, vikrivlenikh zavadami ta propuskami, shcho poslidovno nadkhodyat na obrobku v onlayn rezhimi. Provedeno analiz isnuyuchikh metodiv obrobki potokiv danikh v umovakh apriornoi neviznachenosti ta vikrivlenosti, obgruntovano neobkhidnist virishennya zadach klasterizatsii ta analizu danikh za umov zminnikh kharakteristik potoku, shcho vklyuchae zminu kilkosti klasiv, ikhnoi strukturi ta neperedbachuvanikh dreyfiv. Rozrobleno adaptivni metodi nechitkoi klasterizatsii, yaki zdatni pratsyuvati yak v paketnomu, tak i v onlayn rezhimakh, a takozh na vibirkakh, shcho zminyuyut rozmirnist ta formu klasteriv; dozvolyayut obroblyati veliki obsyagi danikh, shcho mozhut nadkhoditi na obrobku poslidovno u formi potokiv danikh, efektivno pratsyuvati za umov potochnoi ta apriornoi neviznachenosti, stokhastichnosti, neliniynosti, nestatsionarnosti ta e naybilsh pristosovanimi dlya virishennya zadach Data Mining ta Data Stream Mining. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.

Seller Inventory # 9786209262609

Bibliographic Details

• Title: (Paperback)
• Publisher: LAP Lambert Academic Publishing
• Publication Date: 2025
• ISBN 10: 6209262600
• ISBN 13: 9786209262609
• Binding: Paperback
• Condition: new

About this title

Synopsis

Монографія присвячена новим ефективним нечітким методам обчислювального інтелекту, а саме, нечіткій кластеризації даних за умов апріорної невизначеності та надання їм адаптивних властивостей, що забезпечує можливість опрацьовування потоків нестаціонарних даних, викривлених завадами та пропусками, що послідовно надходять на обробку в онлайн режимі. Проведено аналіз існуючих методів обробки потоків даних в умовах апріорної невизначеності та викривленості, обґрунтовано необхідність вирішення задач кластеризації та аналізу даних за умов змінних характеристик потоку, що включає зміну кількості класів, їхньої структури та непередбачуваних дрейфів. Розроблено адаптивні методи нечіткої кластеризації, які здатні працювати як в пакетному, так і в онлайн режимах, а також на вибірках, що змінюють розмірність та форму кластерів; дозволяють обробляти великі обсяги даних, що можуть надходити на обробку послідовно у формі потоків даних, ефективно працювати за умов поточної та апріорної невизначеності, стохастичності, нелінійності, нестаціонарності та є найбільш пристосованими для вирішення задач Data Mining та Data Stream Mining.