Fuzzy Classifier Design: Studies in Fuzziness and Soft Computing, cartea 49
Autor Ludmila I. Kunchevaen Limba Engleză Hardback – 26 apr 2000
Toate formatele și edițiile | Preț | Express |
---|---|---|
Paperback (1) | 988.48 lei 6-8 săpt. | |
Physica-Verlag HD – 21 oct 2010 | 988.48 lei 6-8 săpt. | |
Hardback (1) | 952.26 lei 6-8 săpt. | |
Physica-Verlag HD – 26 apr 2000 | 952.26 lei 6-8 săpt. |
Din seria Studies in Fuzziness and Soft Computing
- 20% Preț: 999.85 lei
- 20% Preț: 653.06 lei
- 20% Preț: 872.96 lei
- 20% Preț: 930.57 lei
- 20% Preț: 1051.00 lei
- 20% Preț: 992.44 lei
- 20% Preț: 655.85 lei
- 20% Preț: 1001.86 lei
- 18% Preț: 954.14 lei
- 20% Preț: 330.10 lei
- 20% Preț: 333.04 lei
- 20% Preț: 997.56 lei
- Preț: 391.61 lei
- 20% Preț: 647.79 lei
- 20% Preț: 986.01 lei
- 18% Preț: 958.56 lei
- 20% Preț: 996.40 lei
- 20% Preț: 999.35 lei
- 15% Preț: 646.43 lei
- 20% Preț: 651.57 lei
- 20% Preț: 997.89 lei
- 15% Preț: 641.03 lei
- 20% Preț: 1009.74 lei
- 20% Preț: 992.62 lei
- Preț: 388.72 lei
- 18% Preț: 1223.43 lei
- 20% Preț: 651.42 lei
- 18% Preț: 951.59 lei
- 18% Preț: 948.61 lei
Preț: 952.26 lei
Preț vechi: 1161.29 lei
-18% Nou
Puncte Express: 1428
Preț estimativ în valută:
182.23€ • 189.10$ • 152.32£
182.23€ • 189.10$ • 152.32£
Carte tipărită la comandă
Livrare economică 15-29 martie
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9783790812985
ISBN-10: 3790812986
Pagini: 332
Ilustrații: X, 315 p.
Dimensiuni: 155 x 235 x 19 mm
Greutate: 0.64 kg
Ediția:2000
Editura: Physica-Verlag HD
Colecția Physica
Seria Studies in Fuzziness and Soft Computing
Locul publicării:Heidelberg, Germany
ISBN-10: 3790812986
Pagini: 332
Ilustrații: X, 315 p.
Dimensiuni: 155 x 235 x 19 mm
Greutate: 0.64 kg
Ediția:2000
Editura: Physica-Verlag HD
Colecția Physica
Seria Studies in Fuzziness and Soft Computing
Locul publicării:Heidelberg, Germany
Public țintă
ResearchCuprins
1. Introduction.- 1.1 What are fuzzy classifiers?.- 1.2 The data sets used in this book.- 1.3 Notations and acronyms.- 1.4 Organization of the book.- 1.5 Acknowledgements.- 2. Statistical pattern recognition.- 2.1 Class, feature, feature space.- 2.2 Classifier, discriminant functions, classification regions.- 2.3 Clustering.- 2.4 Prior probabilities, class-conditional probability density functions, posterior probabilities.- 2.5 Minimum error and minimum risk classification. Loss matrix.- 2.6 Performance estimation.- 2.7 Experimental comparison of classifiers.- 2.8 A taxonomy of classifier design methods.- 3. Statistical classifiers.- 3.1 Parametric classifiers.- 3.2 Nonparametric classifiers.- 3.3 Finding k-nn prototypes.- 3.4 Neural networks.- 4. Fuzzy sets.- 4.1 Fuzzy logic, an oxymoron?.- 4.2 Basic definitions.- 4.3 Operations on fuzzy sets.- 4.4 Determining membership functions.- 5. Fuzzy if-then classifiers.- 5.1 Fuzzy if-then systems.- 5.2 Function approximation with fuzzy if-then systems.- 5.3 Fuzzy if-then classifiers.- 5.4 Universal approximation and equivalences of fuzzy if-then classifiers.- 6. Training of fuzzy if-then classifiers.- 6.1 Expert opinion or data analysis?.- 6.2 Tuning the consequents.- 6.3 Toning the antecedents.- 6.4 Tuning antecedents and consequents using clustering.- 6.5 Genetic algorithms for tuning fuzzy if-then classifiers.- 6.6 Fuzzy classifiers and neural networks: hybridization or identity?.- 6.7 Forget interpretability and choose a model.- 7. Non if-then fuzzy models.- 7.1 Early ideas.- 7.2 Fuzzy k-nearest neighbors (k-nn) designs.- 7.3 Generalized nearest prototype classifier (GNPC).- 8. Combinations of multiple classifiers using fuzzy sets.- 8.1 Combining classifiers: the variety of paradigms.- 8.2 Classifier selection.- 8.3 Classifier fusion.- 8.4 Experimental results.- 9. Conclusions: What to choose?.- A. Appendix: Numerical results.- A.1 Cone-torus data.- A.2 Normal mixtures data..- A.3 Phoneme data.- A.4 Satimage data.- References.