Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 06.07.2026 auf fremdsprachige Bücher online auf thalia.at, in der Thalia App ab einem Mindestbestellwert von 30€ und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Versandkosten und Services.
Produktbild: Data Mining for Scientific and Engineering Applications
Band 2

Data Mining for Scientific and Engineering Applications

Aus der Reihe Massive Computing

198,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.10.2001

Herausgeber

R.L. Grossman + weitere

Verlag

Springer Us

Seitenzahl

605

Maße (L/B/H)

23,5/15,5/3,4 cm

Gewicht

937 g

Auflage

Softcover reprint of the original 1st ed. 2001

Sprache

Englisch

ISBN

978-1-4020-0114-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.10.2001

Herausgeber

Verlag

Springer Us

Seitenzahl

605

Maße (L/B/H)

23,5/15,5/3,4 cm

Gewicht

937 g

Auflage

Softcover reprint of the original 1st ed. 2001

Sprache

Englisch

ISBN

978-1-4020-0114-7

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Data Mining for Scientific and Engineering Applications
  • Foreword. List of Contributors. List of Reviewers. Preface. 1. On Mining Scientific Datasets; C. Kamath. 2. Understanding High Dimensional and Large Data Sets: Some Mathematical Challenges and Opportunities; J. Chandra. 3. Data Mining at the Interface of Computer Science and Statistics; P. Smyth. 4. Mining Large Image Collections; M.C. Burl. 5. Mining Astronomical Databases; R.M. Humphreys, et al. 6. Searching for Bent-Double Galaxies in the First Survey; C. Kamath, et al. 7. A Dataspace Infrastructure for Astronomical Data; R. Grossman, et al. 8. Data Mining Applications in Bioinformatics; N. Ramakrishnan, A.Y. Grama. 9. Mining Residue Contacts in Proteins; M.J. Zaki, C. Bystroff. 10. KDD Services at the Goodard Earth Sciences Distributed Archive Center; C. Lynnes, R. Mack. 11. Data Mining in Integrated Data Access and Data Analysis Systems; R. Yang, et al. 12. Spatial Data Mining for Classification, Visualisation and Interpretation with Artmap Neural Network; W. Liu, et al. 13. Real Time Feature Extraction for the Analysis of Turbulent Flows; I. Marusic, et al. 14. Data Mining for Turbulent Flows; E.-H. Han, et al. 15. Evita-Efficient Visualization and Interrogation of Tera-Scale Data; R. Machiraju, et al. 16. Towards Ubiquitous Mining of Distributed Data; H. Kargupta, et al. 17. Decomposable Algorithms for Data Mining; R. Bhatnagar. 18. HDDI®: Hierarchical Distributed Dynamic Indexing; W.M. Pottenger, et al.19. Parallel Algorithms for Clustering High-Dimensional Large-Scale Datasets; H. Nagesh, et al. 20. Efficient Clustering of Very Large Document Collections; I.S. Dhillon, et al. 21. A Scalable Hierarchical Algorithm for Unsupervised Clustering; D. Boley. 22. High-Performance Singular Value Decomposition; D.B. Skillicorn, X. Yang. 23. Mining High-Dimensional Scientific Data Sets Using Singular Value Decomposition; E. Maltseva, et al. 24. Spatial Dependence in Data Mining; J.P. LeSage, R.K. Pace. 25. Sparc: Spatial Association Rule-Based Classification; J. Han, et al. 26. What's Spatial About Spatial Data Mining: Three Case Studies; S. Shekhar, et al. 27. Predicting Failures in Event Sequences; M.J. Zaki, et al. 28. Efficient Algorithms for Mining Long Patterns in Scientific Data Sets; R.C. Agarwal, C.C. Aggarwal. 29. Probabilistic Estimation in Data Mining; E.P.D. Pednault, C. Apte. 30. Classification Using Association Rules: Weaknesses and Enhancements; B. Liu, et al.