Uncertain Data Analysis: Fuzzy Vector Algorithms

درباره این کتاب

این کتاب الگوریتم‌های مختلف طبقه‌بندی، تشخیص و ادغام تصمیم را مطالعه کرده و به متخصصان کمک می‌کند تا با عدم قطعیت در مجموعه‌داده‌های خود مقابله کنند. عدم قطعیت‌های داده به عنوان مجموعه‌ای از بردارهای زبانی/فازی در نظر گرفته می‌شوند و از الگوریتم‌های فازی برای تحلیل آن‌ها استفاده می‌شود. موضوعاتی مانند طبقه‌بندی و پیش‌بینی با استفاده از الگوریتم‌های فازی در فصل‌های مربوط به نمونه‌سازی K-نزدیک‌ترین، خوشه‌بندی و شبکه‌های عصبی معرفی شده‌اند. خواننده همچنین با الگوریتم‌های خوشه‌بندی مانند C-means سخت زبانی و C-means فازی زبانی آشنا می‌شود. نویسنده ادغام پرسپترون‌های چندلایه فازی (FMLPs) با الگوریتم جستجوی فاخته (CS) را برای بهبود عملکرد شبکه‌های عصبی در مدیریت داده‌های پیچیده بررسی می‌کند. این کتاب به عنوان راهنمایی برای مهندسان رباتیک، دانشمندان کامپیوتر و پژوهشگران هوش محاسباتی عمل می‌کند.