"Rough-Fuzzy Pattern Recognition" - книга, посвященная применению методов грубо-нечеткого компьютерного моделирования для решения задач в биоинформатике и обработке медицинских изображений. В основу работы положена ясная методология, позволяющая читателям использовать последние достижения в области грубо-нечеткого компьютерного моделирования для создания работающих моделей распознавания образов. Авторы пошагово объясняют, как интегрировать грубые множества с нечеткими множествами, чтобы наилучшим образом управлять неопределенностями при анализе больших наборов данных. Главы логически организованы в соответствии с основными этапами разработки систем распознавания образов, что упрощает освоение таких задач, как классификация, кластеризация и выбор признаков. В книге "Rough-Fuzzy Pattern Recognition" рассматриваются важные теоретические аспекты, алгоритмы и приложения, помогая читателям увидеть связи между теорией и практикой. Первая глава представляет введение в распознавание образов и анализ данных, включая основные проблемы работы с многомерными реальными наборами данных. Далее авторы исследуют такие темы, как: мягкие вычисления в распознавании образов и анализе данных, математический формализм обобщенных грубых множеств, включающий понятие нечеткости при определении гранул и множеств; выбор нередундантных и значимых признаков для наборов данных с вещественными значениями; выбор минимального набора базисных строк с максимальной информацией для анализа последовательностей аминокислот; сегментация магнитно-резонансных изображений мозга для визуализации тканей человека. Многочисленные примеры и исследования случаев помогают читателям лучше понять, как разрабатываются и используются модели распознавания образов на практике. Эта книга, освещающая последние научные открытия и указывающая направления для будущих исследований, рекомендуется как студентам, так и специалистам, работающим в области проектирования систем, распознавания образов, анализа изображений, анализа данных, биоинформатики, мягких вычислений и вычислительного интеллекта.
Изложение грубого нечеткого вычисления при решении проблем в биоинформатике и медицинской обработке изображений. Акцент делается на приложениях в биоинформатики и медицинской обработки изображений, эта работа предлагает ясный материал, который позволяет читать пользу последних методов грубого нечеткого интеллекта для создания инновационно работающих моделей идентификации паттернов. Авторы объяснить шаг за шагом, как интегрировать наборы грубости с наборами нечеткости для того, чтобы наилучшим образом справиться с неопределенностью при добыче больших массивов данных. Главы организованы логически в соответствии с основными фазами развития систем идентификации паттернов, делая его более легким, чтобы овладеть такими задачами, как классификация, группировка и выбор признаков. "Рваные нечеткие модели идентификации паттернов" подробно рассматривают важную базовую теорию, а также алгоритмы и метод, помощь читателям видеть связи между теорией и практикой. Первый раздел предоставляет введение в идентификацию паттернов и добычу данных, включая основные вызовы работы с большими реальными данными. Следующие авторы изучают такие темы и вопросы: Мягкий метод в идентификации паттернов Информационная система математического обобщения с использованием концепции нечетко определенных зерен, равно как набор выбора внутренне необходимых и относящихся признаков, имеющих реальные значения. Выбор минимального комплекта основанных строк с максимальной информацией для анализа последовательности аминокислот Сегментация трупов МРТ-изображений для визуализации тканей человека Многие примеры и тематические исследования помогайте читателю лучше понимать, как модели идентификации паттерна разрабатываются и используются на практике Этот текст, охватывающий последние достижения, а также направления будущих исследований, рекомендуется как студентам, так и профессионалам работающих в системном проектировании, идентификации паттера, анализа изображения, добычи данных, биоинформатики, мягкого метода и вычислительной науки.
Электронная Книга «Rough-Fuzzy Pattern Recognition» написана автором Pradipta Maji в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118119693
Описание книги от Pradipta Maji
Learn how to apply rough-fuzzy computing techniques to solve problems in bioinformatics and medical image processing Emphasizing applications in bioinformatics and medical image processing, this text offers a clear framework that enables readers to take advantage of the latest rough-fuzzy computing techniques to build working pattern recognition models. The authors explain step by step how to integrate rough sets with fuzzy sets in order to best manage the uncertainties in mining large data sets. Chapters are logically organized according to the major phases of pattern recognition systems development, making it easier to master such tasks as classification, clustering, and feature selection. Rough-Fuzzy Pattern Recognition examines the important underlying theory as well as algorithms and applications, helping readers see the connections between theory and practice. The first chapter provides an introduction to pattern recognition and data mining, including the key challenges of working with high-dimensional, real-life data sets. Next, the authors explore such topics and issues as: Soft computing in pattern recognition and data mining A Mathematical framework for generalized rough sets, incorporating the concept of fuzziness in defining the granules as well as the set Selection of non-redundant and relevant features of real-valued data sets Selection of the minimum set of basis strings with maximum information for amino acid sequence analysis Segmentation of brain MR images for visualization of human tissues Numerous examples and case studies help readers better understand how pattern recognition models are developed and used in practice. This text—covering the latest findings as well as directions for future research—is recommended for both students and practitioners working in systems design, pattern recognition, image analysis, data mining, bioinformatics, soft computing, and computational intelligence.
