23,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
12 °P sammeln
  • Broschiertes Buch

L'extraction d'informations significatives à partir des données d'expression génique représente un défi de taille pour la communauté des chercheurs dans le domaine de l'informatique ainsi que pour les biologistes. Il est possible de déterminer les modèles comportementaux des gènes, tels que la nature de leur interaction, la similitude de leur comportement, etc., grâce à l'analyse des données d'expression génique. Afin d'identifier divers modèles à partir des données d'expression génique, les techniques d'exploration de données sont essentielles. Les principales techniques d'exploration de…mehr

Produktbeschreibung
L'extraction d'informations significatives à partir des données d'expression génique représente un défi de taille pour la communauté des chercheurs dans le domaine de l'informatique ainsi que pour les biologistes. Il est possible de déterminer les modèles comportementaux des gènes, tels que la nature de leur interaction, la similitude de leur comportement, etc., grâce à l'analyse des données d'expression génique. Afin d'identifier divers modèles à partir des données d'expression génique, les techniques d'exploration de données sont essentielles. Les principales techniques d'exploration de données pouvant être appliquées à l'analyse des données d'expression génétique comprennent le regroupement, la classification, l'exploration des règles d'association, etc. Le regroupement est une technique d'exploration de données importante pour l'analyse des données d'expression génétique. Cependant, le regroupement présente certains inconvénients. Pour surmonter les problèmes liés au regroupement, le biclustering a été introduit.
Autorenporträt
R. Balamurugan travaille actuellement comme chercheur principal pour le projet parrainé par le DBT à l'Institut de technologie Bannari Amman, à Erode, dans le Tamil Nadu, en Inde. Il a obtenu son M.E. et son B.E. (informatique et ingénierie) à l'université Anna, à Chennai. Ses domaines d'intérêt comprennent l'exploration de données et les techniques d'optimisation heuristique.