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

Soft Computing for Data Mining Applications

Aus der Reihe Studies in Computational Intelligence

148,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.10.2010

Abbildungen

XXII, 341 p.

Verlag

Springer Berlin

Seitenzahl

341

Maße (L/B/H)

23,5/15,5/2 cm

Gewicht

552 g

Auflage

Softcover reprint of hardcover 1st ed. 2009

Sprache

Englisch

ISBN

978-3-642-10125-0

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.10.2010

Abbildungen

XXII, 341 p.

Verlag

Springer Berlin

Seitenzahl

341

Maße (L/B/H)

23,5/15,5/2 cm

Gewicht

552 g

Auflage

Softcover reprint of hardcover 1st ed. 2009

Sprache

Englisch

ISBN

978-3-642-10125-0

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: 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
  • 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.