Vor Ort
Merkzettel Warenkorb
Produktbild: Soft Computing for Data Mining Applications
Band 190

Soft Computing for Data Mining Applications

Aus der Reihe Studies in Computational Intelligence

149,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

11.03.2009

Abbildungen

XXII, 174 schwarzweisse Abbildungen, 86 Tabellen, 33 Abbildungenton-Abb., 141 schwarzweisse Zeichnungen 235 mm

Verlag

Springer Berlin

Seitenzahl

341

Maße (L/B/H)

24,3/16,6/3 cm

Gewicht

685 g

Auflage

2009

Sprache

Englisch

ISBN

978-3-642-00192-5

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

11.03.2009

Abbildungen

XXII, 174 schwarzweisse Abbildungen, 86 Tabellen, 33 Abbildungenton-Abb., 141 schwarzweisse Zeichnungen 235 mm

Verlag

Springer Berlin

Seitenzahl

341

Maße (L/B/H)

24,3/16,6/3 cm

Gewicht

685 g

Auflage

2009

Sprache

Englisch

ISBN

978-3-642-00192-5

Herstelleradresse

Springer Nature Customer Service Center GmbH
Europaplatz 3
69115 Heidelberg
DE
ProductSafety@springernature.com

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: Soft Computing for Data Mining Applications
  • Self Adaptive Genetic Algorithms.- Characteristic Amplification Based Genetic Algorithms.- Dynamic Association Rule Mining Using Genetic Algorithms.- Evolutionary Approach for XML Data Mining.- Soft Computing Based CBIR System.- Fuzzy Based Neuro - Genetic Algorithm for Stock Market Prediction.- Data Mining Based Query Processing Using Rough Sets and GAs.- Hashing the Web for Better Reorganization.- Algorithms for Web Personalization.- Classifying Clustered Webpages for Effective Personalization.- Mining Top - k Ranked Webpages Using SA and GA.- A Semantic Approach for Mining Biological Databases.- Probabilistic Approach for DNA Compression.- Non-repetitive DNA Compression Using Memoization.- Exploring Structurally Similar Protein Sequence Motifs.- Matching Techniques in Genomic Sequences for Motif Searching.- Merge Based Genetic Algorithm for Motif Discovery.