Vor Ort
Merkzettel Warenkorb
  • Produktbild: Advances in Data Science and Classification
  • Produktbild: Advances in Data Science and Classification

Advances in Data Science and Classification Proceedings of the 6th Conference of the International Federation of Classification Societies (IFCS-98) Università "La Sapienza", Rome, 21-24 July, 1998

Aus der Reihe Studies in Classification, Data Analysis, and Knowledge Organization

99,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.1998

Herausgeber

Alfredo Rizzi + weitere

Verlag

Springer Berlin

Seitenzahl

682

Maße (L/B/H)

23,5/15,5/3,7 cm

Gewicht

1120 g

Auflage

Softcover reprint of the original 1st ed. 1998

Sprache

Englisch

ISBN

978-3-540-64641-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.1998

Herausgeber

Verlag

Springer Berlin

Seitenzahl

682

Maße (L/B/H)

23,5/15,5/3,7 cm

Gewicht

1120 g

Auflage

Softcover reprint of the original 1st ed. 1998

Sprache

Englisch

ISBN

978-3-540-64641-9

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Advances in Data Science and Classification
  • Produktbild: Advances in Data Science and Classification
  • Methodologies in Classification: Clustering and Classification: J.D. Carroll, A. Chaturvedi: K-Midranges Clustering.- A. Cerioli: A New Method for Detecting Influential Observations in Nonhierarchical Cluster Analysis.- J.C. Gower, G.J.S.Ross: Non-Probabilistic Classification.- A. Hardy, P. Andre: An Investigation of Nine Procedures for Detecting the Structure in a Data Set.- C. Hennig: Clustering and Outlier Identification: Fixed Point Cluster Analysis.- S. Korenjak-Cerne, V. Batagelj: Clustering Large Datasets of Mixed Units.- J.A. Martin-Fernandez, C. Barcelo-Vidal, V. Pawlowsky-Glahn: A Critical Approach to Non-Parametric Classification of Compositional Data.- F. Murtagh, J.L. Stark, M. Berry: Clustering Based on Wavelet Transform: Applications to Point Pattern Clustering and to High-Dimensional Data Analysis.- Comparison and Consensus of Classifications: C. Hayashi, K. Yamaoka: Beyond Simpon`s Paradox: One Problem in Data Science.- F.J. Lapointe: For Consensus (With Branch Lengths).- B. Leclerc: Consensus of Classifications: The Case of Trees.- J. L. Thorley, M. Wilkinson, M. Charleston: The Information Content of Consensus Trees.- Fuzzy Clustering and Fuzzy Methods: S. Bodjanova: Compatible and Complementary Fuzzy Partitions.- S. Miyamoto, K. Umayahara: Two Methods of Fuzzy c-Means and Classification Functions.- M. Ryoke, Y. Nakamori, H. Tamura: Dynamic Determination of Mixing Parameters in Fuzzy Clustering.- M. Sato-Ilic, Y. Sato: A Dynamic Additive Fuzzy Clustering Model.- S. Turpin-Dhilly, C. Botte-Lecocq: Application of Fuzzy Mathematical Morphology for Pattern Classification.- Optimization in Classification and Constrained Classification: K.Bachar, I.-C. Lerman: Statistical Conditions for a Linear Complexity for an Algorithm of Hierarchical Classification Under Constraint of Contiguity.- V. Batagelj, A. Ferligoj: Constrained Clustering Problems.- T. Gastaldi, D. Vicari: A Constrained Clusterwise Procedure for Segmentation.- L. Gueguen, R. Vignes, J. Lebbe: Maximal Predictive Clustering with Order Constraint: a Linear and Optimal Algorithm.- I. Lari, M. Maravalle, B. Simeone: A Linear Programming Based Heuristic for a Hard Clustering Problem on Trees.- M. Mizuta: Two Principal Points of Symmetric Distributions.- N, Nicoloyannis, M. Terrenoire, D. Tounissoux: Pertinence for a Classification.- J. Trejos, A. Murillo, E. Piza: Global Stochastic Optimization Techniques Applied to Partitioning.- Probabilistic Modelling Methods in Classification and Pattern Recognition: H. Bensmail, J.J. Meulman: MCMC Inference for Model-Based Cluster Analysis.- L. Györfi, M. Horvath: On the Asymptotic Normality of a Resubstitution Error Estimate.- G. V. Orman: Stochastic Methods for Generative Systems Analysis.- H.J. Vos: Compensatory Rules for Optimal Classification with Mastery Scores.- Other Approaches for Classification: Discrimination, Neural Network, Regression Tree: Discrimination and Classification: V. Bertholet, J.P. Rasson, S. Lissoir: About the Automatic Detection of Training Sets for Multispectral Images Classification.- A.P.Duarte Silva: A 'Leaps and Bounds' Algorithm for Variable Selection in Two Group Discriminant Analysis.- M.-H. Huh, K-S. Yang: Canonical Discriminant Analysis of Multinomial Samples with Applications to Textual Data.- I.C. Lerman, J.F. Pinto da Costa: How to Extract Predictive Binary Attributes from a Categorical One.- L. Lizzani: A Density Distance Based Approach to Projection Pursuit Discriminant Analysis.- A. Montanari, D. G. Calo: Two Group Linear Discrimination Based on