Warenkorb
€ 0,00 0 Buch dabei,
portofrei
Spectral Clustering, Ordering and Ranking: Statistical Learning with Matrix Factorizations als Buch
PORTO-
FREI

Spectral Clustering, Ordering and Ranking: Statistical Learning with Matrix Factorizations

Sprache: Englisch.
Buch (gebunden)
Ihr 10% Rabatt bei Hugendubel.de
 
10% Rabatt sichern mit Gutscheincode: XMAS10
 
Data mining methods are essential for analyzing the ever-growing massive quantities of data. Data clustering is one of the key data mining techniques. In recent years, spectral clustering has been developed as an effective approach to data clustering … weiterlesen
Buch

81,49 *

inkl. MwSt.
Portofrei
vorbestellbar
Spectral Clustering, Ordering and Ranking: Statistical Learning with Matrix Factorizations als Buch

Produktdetails

Titel: Spectral Clustering, Ordering and Ranking: Statistical Learning with Matrix Factorizations
Autor/en: Chris Ding, Hongyuan Zha

ISBN: 0387304487
EAN: 9780387304489
Sprache: Englisch.
SPRINGER VERLAG GMBH

Januar 2011 - gebunden - 250 Seiten

Beschreibung

Data mining methods are essential for analyzing the ever-growing massive quantities of data. Data clustering is one of the key data mining techniques. In recent years, spectral clustering has been developed as an effective approach to data clustering. This exposition presents recent advances in this new subfield. New concepts are carefully developed and practical examples are extensively utilized to illustrate the ideas. A key feature are the mathematical proofs outlined throughout the text in reasonable detail which highlight the rigorous and principled quality of spectral clustering. A concise introduction to data clustering methods is followed by advanced spectral clustering, ordering and ranking topics which then lead to applications in web and text mining and genomics. An Appendix covering the preliminaries makes this text self-contained. This book is aimed at senior undergraduate and graduate students in computer science, applied mathematics and statistics and researchers and practitioners in machine learning, data mining, multivariate statistics, matrix computation, web analysis, text mining, bioinformatics.

Inhaltsverzeichnis


Part 1 Basic Theory and Algorithms: Introduction.- K-means clustering and spectral relaxation.- Spectral graph clustering.- Multi-way spectral clustering.- Bipartite graph clustering.-
Part 2 Advanced Spectral Clustering and Ordering: Perturbation analysis of spectral clustering.- Green's function.- Random walk and probabilistic spectral clustering.- Semi-definite programming solution for spectral clustering.- Spectral data ordering.-
Part 3 Related unsupervised learning topics: Spectral ranking.- Further developments on PCA and SVD.- Nonlinear embedding/representation.- Other low-dimension embedding.- Nonnegative matrix representation.- Spectral relaxations for other combinatorial optimization problems.- Level sets based clustering.- Constrained clustering.- subspace clustering.-
Part 4 Applications in web, text, bioinformatics: Web and text clustering.- Clustering in genomics.- Other applications.- Appendix
Servicehotline
089 - 70 80 99 47

Mo. - Fr. 8.00 - 20.00 Uhr
Sa. 10.00 - 20.00 Uhr
Filialhotline
089 - 30 75 75 75

Mo. - Sa. 9.00 - 20.00 Uhr
Bleiben Sie in Kontakt:
Sicher & bequem bezahlen:
akzeptierte Zahlungsarten: Überweisung, offene Rechnung,
Visa, Master Card, American Express, Paypal
Zustellung durch:
* Alle Preise verstehen sich inkl. der gesetzlichen MwSt. Informationen über den Versand und anfallende Versandkosten finden Sie hier.
Artikel mit dem Hinweis "Pünktlich zum Fest" werden an Lieferadressen innerhalb Deutschlands rechtzeitig zum 24.12.2018 geliefert.
** Deutschsprachige eBooks und Bücher dürfen aufgrund der in Deutschland geltenden Buchpreisbindung und/oder Vorgaben von Verlagen nicht rabattiert werden. Soweit von uns deutschsprachige eBooks und Bücher günstiger angezeigt werden, wurde bei diesen kürzlich von den Verlagen der Preis gesenkt oder die Buchpreisbindung wurde für diese Titel inzwischen aufgehoben. Angaben zu Preisnachlässen beziehen sich auf den dargestellten Vergleichspreis.