Над 4 милиона заглавия на английски и други езици! Открийте новата си история още днес! Безплатна доставка за поръчки над 69.99€

Проверка на състоянието на поръчката

Станете част от общност от любители на книгите от цял свят и получавате много предимства. Създай на безплатен акаунт

Безплатна доставка със Еконт над 69.99 €

Куриер Speedy 3.49 € Пункт на Speedy 3.49 € ЕКОНТ 3.99 € Еконтомат/Офис на Еконт 3.99 € Ekont Box 3.99 € Sameday 3.99 € Sameday box 3.99 € Box Now 3.99 €

Контакт

Как се пазарува?

Помощ

Моят акаунт

▸ Празна :-(

Dynamic Graph Learning for Dimension Reduction and Data Clustering

Name: Dynamic Graph Learning for Dimension Reduction and Data Clustering
Brand: Springer, Berlin
SKU: 43830954
Price: 42.7 EUR
Availability: InStock
Author: Lei Zhu
ISBN: 9783031423123

Lei Zhu

Jingjing Li

Zheng Zhang

Език

Английски език

Книга С твърди корици

Код Либристо: 43830954

Издателство Springer, Berlin, януари 2024

This book illustrates how to achieve effective dimension reduction and data clustering. The authors... Цялото описание

Код Либристо: 43830954

103 b

42.70 €

83.51 лв

Външен склад Изпращаме след 10-13 дни

До 30 дни за връщане на стоки

Клиентите са закупили също

Myšiakova plavba po rieke Alice Melvin

С твърди корици

12.78 € 25.00 лв

Opere Umberto Galimberti

С меки корици

15.94 € 31.17 лв

Con las manos vacías Dolores Ventoso

С меки корици

30.28 € 59.22 лв

Pinchiño en el país de las pompas Zardoya Cabo

С меки корици

17.39 € 34.01 лв

Emery. Elementos de genética médica y genómica P.D. TURNPENNY

С меки корици

89.81 € 175.64 лв

Italia e la bomba. Letteratura nell'era nucleare Maria Anna Mariani

С меки корици

28.31 € 55.37 лв

This book illustrates how to achieve effective dimension reduction and data clustering. The authors explain how to accomplish this by utilizing the advanced dynamic graph learning technique in the era of big data. The book begins by providing background on dynamic graph learning. The authors discuss why it has attracted considerable research attention in recent years and has become well recognized as an advanced technique. After covering the key topics related to dynamic graph learning, the book discusses the recent advancements in the area. The authors then explain how these techniques can be practically applied for several purposes, including feature selection, feature projection, and data clustering.