Principal Manifolds for Data Visualization and Dimension Reduction: Lecture Notes in Computational Science and Engineering, cartea 58
Editat de Alexander N. Gorban, Balázs Kégl, Donald C. Wunsch, Andrei Zinovyeven Limba Engleză Paperback – oct 2007
Din seria Lecture Notes in Computational Science and Engineering
- Preț: 375.63 lei
- 18% Preț: 1222.40 lei
- 18% Preț: 771.21 lei
- Preț: 376.60 lei
- 20% Preț: 970.85 lei
- 15% Preț: 635.45 lei
- 15% Preț: 639.80 lei
- Preț: 397.12 lei
- 18% Preț: 956.28 lei
- 18% Preț: 949.19 lei
- Preț: 389.98 lei
- 18% Preț: 942.98 lei
- 15% Preț: 634.00 lei
- 15% Preț: 635.45 lei
- 15% Preț: 636.39 lei
- 18% Preț: 1361.12 lei
- Preț: 419.69 lei
- 18% Preț: 1215.45 lei
- 20% Preț: 652.77 lei
- 15% Preț: 641.20 lei
- 15% Preț: 631.27 lei
- 18% Preț: 938.22 lei
- 18% Preț: 1199.35 lei
- 18% Preț: 885.79 lei
- 18% Preț: 1217.62 lei
- 20% Preț: 972.01 lei
- 15% Preț: 629.83 lei
- 18% Preț: 935.12 lei
- 18% Preț: 767.34 lei
- 18% Preț: 930.17 lei
- 15% Preț: 629.83 lei
- 18% Preț: 945.30 lei
- 18% Preț: 1662.03 lei
- 15% Preț: 637.21 lei
Preț: 1355.56 lei
Preț vechi: 1653.12 lei
-18% Nou
Puncte Express: 2033
Preț estimativ în valută:
259.51€ • 269.75$ • 215.16£
259.51€ • 269.75$ • 215.16£
Carte tipărită la comandă
Livrare economică 05-19 februarie 25
Preluare comenzi: 021 569.72.76
Specificații
ISBN-13: 9783540737490
ISBN-10: 3540737499
Pagini: 364
Ilustrații: XXIV, 340 p. 82 illus., 14 illus. in color.
Dimensiuni: 155 x 235 x 19 mm
Greutate: 0.52 kg
Ediția:2008
Editura: Springer Berlin, Heidelberg
Colecția Springer
Seria Lecture Notes in Computational Science and Engineering
Locul publicării:Berlin, Heidelberg, Germany
ISBN-10: 3540737499
Pagini: 364
Ilustrații: XXIV, 340 p. 82 illus., 14 illus. in color.
Dimensiuni: 155 x 235 x 19 mm
Greutate: 0.52 kg
Ediția:2008
Editura: Springer Berlin, Heidelberg
Colecția Springer
Seria Lecture Notes in Computational Science and Engineering
Locul publicării:Berlin, Heidelberg, Germany
Public țintă
ResearchCuprins
Developments and Applications of Nonlinear Principal Component Analysis – a Review.- Nonlinear Principal Component Analysis: Neural Network Models and Applications.- Learning Nonlinear Principal Manifolds by Self-Organising Maps.- Elastic Maps and Nets for Approximating Principal Manifolds and Their Application to Microarray Data Visualization.- Topology-Preserving Mappings for Data Visualisation.- The Iterative Extraction Approach to Clustering.- Representing Complex Data Using Localized Principal Components with Application to Astronomical Data.- Auto-Associative Models, Nonlinear Principal Component Analysis, Manifolds and Projection Pursuit.- Beyond The Concept of Manifolds: Principal Trees, Metro Maps, and Elastic Cubic Complexes.- Diffusion Maps - a Probabilistic Interpretation for Spectral Embedding and Clustering Algorithms.- On Bounds for Diffusion, Discrepancy and Fill Distance Metrics.- Geometric Optimization Methods for the Analysis of Gene Expression Data.- Dimensionality Reduction and Microarray Data.- PCA and K-Means Decipher Genome.