Wir verwenden Cookies und Analyse-Tools, um die Nutzerfreundlichkeit der Internet-Seite zu verbessern und für Marketingzwecke. Wenn Sie fortfahren, diese Seite zu verwenden, nehmen wir an, dass Sie damit einverstanden sind. Zur Datenschutzerklärung.
Naive Bayes Klassifikator und Rough Set Theorie für Datenströme
Details
Die Erdbebenvorhersage ist eine bedeutende und verworrene Aufgabe im Universum. Wir empfehlen eine auf prophetischem Plan grundsätzlich basierende Strategie zur Elementextraktion, um die Anzeige von seismischen Tremorerwartungen zu unterstützen. Ausserordentlich werden die groben seismischen Daten isoliert in fixierte Tageszeitspannen geführt, und auf diese Weise wird die Größe des größten Bebens in jeder angeschlossenen zentralen Menge als fundamentale Betäubung bezeichnet. Das prophetische Beispiel könnte ein Stück seismischer Abfolge vor dem betäubendsten sein, auf dem die gegenwärtigen wissenschaftlichen Datumsalternativen legitim als seismische Hinweise geliefert werden. Untermauert werden diese prophetischen beispielhaften prinzipiell basierten Alternativen, eine durch die durch die produktive Ordnung und den Rückfallbaum eindeutige algorithmische Leitlinie (NB) erhalten wird, um den Namensprinzip Betäubung in einem überaus vorgeprägten zukünftigen Schlüsselbetrag zu bewerten.
Autorentext
Babu, D KishoreDr. D. Kishore Babu promovierte 2018 an der JNTU, Kakinada, in Informatik und Ingenieurwesen. Er hat ein Patent beim indischen Patentamt angemeldet. Er hat 19 Artikel in internationalen Fachzeitschriften veröffentlicht und 8 Konferenzbeiträge gehalten. Er ist Gutachter verschiedener internationaler Fachzeitschriften. Zurzeit arbeitet er für das Bapatla Engineering College.
Weitere Informationen
- Allgemeine Informationen
- GTIN 09786204142005
- Genre Technik
- Anzahl Seiten 52
- Größe H220mm x B150mm
- EAN 9786204142005
- Titel Naive Bayes Klassifikator und Rough Set Theorie für Datenströme
- Autor D Kishore Babu , Nazeer Shaik
- Untertitel Klassifizierung Drift
- Herausgeber Verlag Unser Wissen