KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thaalia.live, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
  • Produktbild: Multiple Classifier Systems
  • Produktbild: Multiple Classifier Systems
Band 5997

Multiple Classifier Systems 9th International Workshop, MCS 2010, Cairo, Egypt, April 7-9, 2010, Proceedings

Aus der Reihe Lecture Notes in Computer Science

51,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.03.2010

Abbildungen

X, 328 p. 77 illus.

Herausgeber

Neamat El Gayar + weitere

Verlag

Springer Berlin

Seitenzahl

328

Maße (L/B/H)

23,5/15,5/1,9 cm

Gewicht

522 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-12126-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

25.03.2010

Abbildungen

X, 328 p. 77 illus.

Herausgeber

Verlag

Springer Berlin

Seitenzahl

328

Maße (L/B/H)

23,5/15,5/1,9 cm

Gewicht

522 g

Auflage

2010

Sprache

Englisch

ISBN

978-3-642-12126-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Multiple Classifier Systems
  • Produktbild: Multiple Classifier Systems
  • Classifier Ensembles(I).- Weighted Bagging for Graph Based One-Class Classifiers.- Improving Multilabel Classification Performance by Using Ensemble of Multi-label Classifiers.- New Feature Splitting Criteria for Co-training Using Genetic Algorithm Optimization.- Incremental Learning of New Classes in Unbalanced Datasets: Learn?+?+?.UDNC.- Tomographic Considerations in Ensemble Bias/Variance Decomposition.- Choosing Parameters for Random Subspace Ensembles for fMRI Classification.- Classifier Ensembles(II).- An Experimental Study on Ensembles of Functional Trees.- Multiple Classifier Systems under Attack.- SOCIAL: Self-Organizing ClassIfier ensemble for Adversarial Learning.- Unsupervised Change-Detection in Retinal Images by a Multiple-Classifier Approach.- A Double Pruning Algorithm for Classification Ensembles.- Estimation of the Number of Clusters Using Multiple Clustering Validity Indices.- Classifier Diversity.- “Good” and “Bad” Diversity in Majority Vote Ensembles.- Multi-information Ensemble Diversity.- Classifier Selection.- Dynamic Selection of Ensembles of Classifiers Using Contextual Information.- Selecting Structural Base Classifiers for Graph-Based Multiple Classifier Systems.- Combining Multiple Kernels.- A Support Kernel Machine for Supervised Selective Combining of Diverse Pattern-Recognition Modalities.- Combining Multiple Kernels by Augmenting the Kernel Matrix.- Boosting and Bootstrapping.- Class-Separability Weighting and Bootstrapping in Error Correcting Output Code Ensembles.- Boosted Geometry-Based Ensembles.- Online Non-stationary Boosting.- Handwriting Recognition.- Combining Neural Networks to Improve Performance of Handwritten Keyword Spotting.- Combining Committee-Based Semi-supervised and Active Learning and Its Application toHandwritten Digits Recognition.- Using Diversity in Classifier Set Selection for Arabic Handwritten Recognition.- Applications.- Forecast Combination Strategies for Handling Structural Breaks for Time Series Forecasting.- A Multiple Classifier System for Classification of LIDAR Remote Sensing Data Using Multi-class SVM.- A Multi-Classifier System for Off-Line Signature Verification Based on Dissimilarity Representation.- A Multi-objective Sequential Ensemble for Cluster Structure Analysis and Visualization and Application to Gene Expression.- Combining 2D and 3D Features to Classify Protein Mutants in HeLa Cells.- An Experimental Comparison of Hierarchical Bayes and True Path Rule Ensembles for Protein Function Prediction.- Recognizing Combinations of Facial Action Units with Different Intensity Using a Mixture of Hidden Markov Models and Neural Network.- Invited Papers.- Some Thoughts at the Interface of Ensemble Methods and Feature Selection.- Multiple Classifier Systems for the Recogonition of Human Emotions.- Erratum.- Erratum.