Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Onze Vivlio e-readers ondervinden momenteel synchronisatieproblemen. We doen er alles aan om dit zo snel mogelijk op te lossen. Onze excuses voor het ongemak!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 131,95

+ 263 punten

Levering 2 à 3 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Covers everything readers need to know about clustering methodology for symbolic data--including new methods and headings--while providing a focus on multi-valued list data, interval data and histogram data

This book presents all of the latest developments in the field of clustering methodology for symbolic data--paying special attention to the classification methodology for multi-valued list, interval-valued and histogram-valued data methodology, along with numerous worked examples. The book also offers an expansive discussion of data management techniques showing how to manage the large complex dataset into more manageable datasets ready for analyses.

Filled with examples, tables, figures, and case studies, Clustering Methodology for Symbolic Data begins by offering chapters on data management, distance measures, general clustering techniques, partitioning, divisive clustering, and agglomerative and pyramid clustering.

Provides new classification methodologies for histogram valued data reaching across many fields in data science
Demonstrates how to manage a large complex dataset into manageable datasets ready for analysis
Features very large contemporary datasets such as multi-valued list data, interval-valued data, and histogram-valued data
Considers classification models by dynamical clustering
Features a supporting website hosting relevant data sets

Clustering Methodology for Symbolic Data will appeal to practitioners of symbolic data analysis, such as statisticians and economists within the public sectors. It will also be of interest to postgraduate students of, and researchers within, web mining, text mining and bioengineering.