Muutke küpsiste eelistusi

E-raamat: Structural, Syntactic, and Statistical Pattern Recognition: Joint IAPR International Workshop, S+SSPR 2016, Merida, Mexico, November 29 - December 2, 2016, Proceedings

Edited by , Edited by , Edited by , Edited by , Edited by
  • Formaat - EPUB+DRM
  • Hind: 55,56 €*
  • * hind on lõplik, st. muud allahindlused enam ei rakendu
  • Lisa ostukorvi
  • Lisa soovinimekirja
  • See e-raamat on mõeldud ainult isiklikuks kasutamiseks. E-raamatuid ei saa tagastada.

DRM piirangud

  • Kopeerimine (copy/paste):

    ei ole lubatud

  • Printimine:

    ei ole lubatud

  • Kasutamine:

    Digitaalõiguste kaitse (DRM)
    Kirjastus on väljastanud selle e-raamatu krüpteeritud kujul, mis tähendab, et selle lugemiseks peate installeerima spetsiaalse tarkvara. Samuti peate looma endale  Adobe ID Rohkem infot siin. E-raamatut saab lugeda 1 kasutaja ning alla laadida kuni 6'de seadmesse (kõik autoriseeritud sama Adobe ID-ga).

    Vajalik tarkvara
    Mobiilsetes seadmetes (telefon või tahvelarvuti) lugemiseks peate installeerima selle tasuta rakenduse: PocketBook Reader (iOS / Android)

    PC või Mac seadmes lugemiseks peate installima Adobe Digital Editionsi (Seeon tasuta rakendus spetsiaalselt e-raamatute lugemiseks. Seda ei tohi segamini ajada Adober Reader'iga, mis tõenäoliselt on juba teie arvutisse installeeritud )

    Seda e-raamatut ei saa lugeda Amazon Kindle's. 

This book constitutes the proceedings of the Joint IAPR International Workshop on Structural Syntactic, and Statistical Pattern Recognition, S+SSPR 2016, consisting of the International Workshop on Structural and Syntactic Pattern Recognition SSPR, and the International Workshop on Statistical Techniques in Pattern Recognition, SPR. The 51 full papers presented were carefully reviewed and selected from 68 submissions. They are organized in the following topical sections: dimensionality reduction, manifold learning and embedding methods; dissimilarity representations; graph-theoretic methods; model selection, classification and clustering; semi and fully supervised learning methods; shape analysis; spatio-temporal pattern recognition; structural matching; text and document analysis. 

Dimensionality reduction.- Manifold learning and embedding
methods.-Dissimilarity representations.- Graph-theoretic methods.- Model
selection, classification and clustering.- Semi and fully supervised learning
methods.- Shape analysis.- Spatio-temporal pattern recognition.- Structural
matching.- Text and document analysis.