掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
大數(shù)據(jù)挖掘 版權(quán)信息
- ISBN：9787547829615
- 條形碼：9787547829615 ; 978-7-5478-2961-5
- 裝幀：70g膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
大數(shù)據(jù)挖掘 本書特色
《大數(shù)據(jù)挖掘》一書系統(tǒng)介紹了大數(shù)據(jù)挖掘的概念、原理、技術(shù)和應(yīng)用。包括：認(rèn)識和理解大數(shù)據(jù)；大數(shù)據(jù)挖掘需要的相關(guān)技術(shù)（大數(shù)據(jù)獲取技術(shù)、大數(shù)據(jù)存儲管理技術(shù)和大數(shù)據(jù)可視化技術(shù)等）；大數(shù)據(jù)計算框架；大數(shù)據(jù)挖掘任務(wù)（關(guān)聯(lián)分析、聚類分析、分類分析、演變分析、特異群組分析和異常分析）；大數(shù)據(jù)應(yīng)用實現(xiàn)；以及大數(shù)據(jù)挖掘工具。《大數(shù)據(jù)挖掘》對大數(shù)據(jù)挖掘技術(shù)進行了全面而細致的定義和歸納，并將向讀者展現(xiàn)該領(lǐng)域*新研究熱點和技術(shù)。關(guān)于大數(shù)據(jù)應(yīng)用實現(xiàn)章節(jié)的內(nèi)容將采用作者實際主持和完成的大數(shù)據(jù)挖掘項目為實際案例，闡述大數(shù)據(jù)挖掘應(yīng)用實現(xiàn)過程中的問題、解決方案和取得的成果。《大數(shù)據(jù)挖掘》一書的主要讀者是數(shù)據(jù)科學(xué)專業(yè)的高等學(xué)校學(xué)生及老師，從事數(shù)據(jù)和信息質(zhì)量工作的研究人員、技術(shù)人員、管理人員和決策人員
大數(shù)據(jù)挖掘 內(nèi)容簡介
《大數(shù)據(jù)挖掘》一書立足前沿性、注重實用性，著眼于大數(shù)據(jù)發(fā)展的*新研究熱點和動向，系統(tǒng)介紹了大數(shù)據(jù)挖掘的概念、原理、技術(shù)和應(yīng)用，全面而細致地定義和歸納了關(guān)聯(lián)分析、聚類分析、分類分析、異常分析、特異群組挖掘和演變分析等大數(shù)據(jù)挖掘任務(wù)。 本書由上海市數(shù)據(jù)科學(xué)重點實驗室朱揚勇教授團隊主持著述，該實驗室是國內(nèi)首個致力于數(shù)據(jù)科學(xué)理論、方法和技術(shù)研究的機構(gòu)，專注于金融、智能交通、醫(yī)療健康、智慧城市等多領(lǐng)域的大數(shù)據(jù)分析應(yīng)用。
大數(shù)據(jù)挖掘 目錄
第1章 緒論 1.1 理解大數(shù)據(jù)挖掘 1.1.1 大數(shù)據(jù)挖掘的定義 1.1.2 大數(shù)據(jù)挖掘的任務(wù) 1.1.3 大數(shù)據(jù)挖掘的特點 1.1.4 大數(shù)據(jù)挖掘與相關(guān)技術(shù)的差異 1.2 大數(shù)據(jù)挖掘需要的相關(guān)技術(shù) 1.2.1 大數(shù)據(jù)獲取1.2.2 大數(shù)據(jù)存儲與管理1.2.3 大數(shù)據(jù)可視化1.3 小結(jié)參考文獻 第2章 大數(shù)據(jù)計算框架 2.1. hdfs 2.2. mapreduce2.2.1 mapreduce框架及范例2.2.2 mapreduce存在的問題和解決方法2.3. nosql（非關(guān)系型）數(shù)據(jù)庫2.3.1 nosql數(shù)據(jù)庫的分類2.3.2 nosql數(shù)據(jù)庫實例2.4. sql（關(guān)系型）數(shù)據(jù)庫2.4.1. apache hive 2.4.2. 其他sql數(shù)據(jù)庫 2.5 小結(jié)參考文獻 第3章 關(guān)聯(lián)分析 3.1關(guān)聯(lián)分析的基本概念 3.1.1 關(guān)聯(lián)分析的定義3.1.2 關(guān)聯(lián)規(guī)則的定義3.1.3 關(guān)聯(lián)規(guī)則的分類3.2 關(guān)聯(lián)規(guī)則挖掘的原理3.2.1 挖掘簡單關(guān)聯(lián)規(guī)則 3.2.2 挖掘量化關(guān)聯(lián)規(guī)則 3.2.3 挖掘多層關(guān)聯(lián)規(guī)則 3.2.4 挖掘多維關(guān)聯(lián)規(guī)則 3.3 關(guān)聯(lián)規(guī)則挖掘的基礎(chǔ)算法3.3.1 apriori算法3.3.2 apriori算法3.3.3 fp-growth算法3.3.4 序列模式挖掘算法3.4挖掘算法的進階方法 3.4.1 uspan：高效用序列模式挖掘算法3.4.2 基于mapreduce的husmar算法3.5 小結(jié)參考文獻 第4章 聚類分析 4.1聚類分析的基本概念4.1.1 簇與聚類 4.1.2 相似性度量和聚類原理 4.2聚類分析的基礎(chǔ)算法 4.2.1 層次的方法――單連接算法、birch算法 4.2.2 劃分的方法――k－means和k-medoids算法4.2.3 基于密度的方法――optics算法4.3 進階方法4.3.1 density peaks算法（aa算法）4.3.2 k-means||：基于mapreduce的k-means算法4.4 小結(jié) 參考文獻 第5章 分類分析 5.1分類分析的基本概念 5.2 分類模型5.3 分類分析的原理 5.3.1 決策樹5.3.2 基于統(tǒng)計的算法5.3.3 基于神經(jīng)網(wǎng)絡(luò)的算法5.4 分類分析的基礎(chǔ)算法 5.5 分類分析的進階方法5.6 小結(jié)參考文獻 第6章 異常分析6.1異常分析的基本概念6.1.1 異常6.1.2 異常分析6.2異常分析的原理 6.2.1 基于統(tǒng)計的異常分析方法6.2.2 基于偏差的異常分析方法 6.2.3 基于距離的異常分析方法6.2.4 基于密度的異常分析方法 6.3異常分析的主要算法6.3.1 基于距離的異常分析算法6.3.2 基于密度的異常分析算法6.4 小結(jié)參考文獻 第7章 特異群組挖掘 7.1特異群組挖掘的基本概念7.2 特異群組挖掘與聚類和異常檢測的關(guān)系7.3 特異群組挖掘形式化描述7.4 特異群組挖掘框架算法7.5 特異群組挖掘應(yīng)用 7.6 小結(jié) 參考文獻 第8章 演變分析 8.1演變分析的基本概念 8.2 演變分析的原理8.3 演變分析的基礎(chǔ)算法 8.4 演變分析的進階算法 8.4.1 時間序列隨機偏移符號化表示算法8.4.2 多維溫度序列協(xié)同異常事件挖掘算法8.5 小結(jié)參考文獻 第9章 異質(zhì)數(shù)據(jù)網(wǎng)絡(luò)挖掘9.1 異質(zhì)數(shù)據(jù)網(wǎng)絡(luò)9.2 異質(zhì)數(shù)據(jù)網(wǎng)絡(luò)挖掘研究現(xiàn)狀9.3 數(shù)據(jù)網(wǎng)絡(luò)上的相似性度量的研究9.4 異質(zhì)數(shù)據(jù)網(wǎng)絡(luò)挖掘研究內(nèi)容9.5 小結(jié)參考文獻第10章 大數(shù)據(jù)挖掘應(yīng)用之推薦系統(tǒng)10.1 推薦系統(tǒng)研究階段10.2 推薦系統(tǒng)算法 10.2.1 推薦系統(tǒng)定義 10.2.2 推薦算法分類 10.2.3 比較與分析10.3 推薦系統(tǒng)的評測 0.4 小結(jié)參考文獻第11章 大數(shù)據(jù)中的隱私問題 11.1. 隱私的重要性 11.2. 隱私保護技術(shù) 11.2.1. 直接攻擊的應(yīng)對方法 11.2.2. 間接攻擊的應(yīng)對方法11.3 小結(jié)參考文獻
展開全部
大數(shù)據(jù)挖掘 作者簡介
熊赟，教授。作為項目負(fù)責(zé)人主持或參與國家級、省部級或企業(yè)合作項目11項。相關(guān)研究成果在本領(lǐng)域國際頂級會議“IEEE International Conference on Data Mining (ICDM)”、《IEEE Intelligent Systems》、《Bioinformatics》、《軟件學(xué)報》等國內(nèi)外權(quán)威期刊或會議上發(fā)表論文30余篇。出版專著2本。主要研究興趣包括數(shù)據(jù)科學(xué)和技術(shù)、大規(guī)模數(shù)據(jù)處理、數(shù)據(jù)挖掘及其應(yīng)用等。提出了特異群組挖掘、Day-by-Day行為數(shù)據(jù)、多支持度序列挖掘、生物數(shù)據(jù)模型等學(xué)術(shù)觀點和見解。朱揚勇，復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授、學(xué)術(shù)委員會主任，上海市數(shù)據(jù)科學(xué)重點實驗室主任，上海市政府信息化專家委員會專家，中國計算機學(xué)會大數(shù)據(jù)專家委員會專家，美國馬里蘭大學(xué)客座教授。從事數(shù)據(jù)領(lǐng)域研究25年，是國內(nèi)最早一批從事數(shù)據(jù)挖掘研究的學(xué)者，是國際數(shù)據(jù)科學(xué)研究的主要倡導(dǎo)者之一。主持過國家自然科學(xué)基金、國家863計劃項目、上海市科委重點等多項數(shù)據(jù)挖掘領(lǐng)域的研究課題，曾獲上海市科技進步一、二、三等獎。相關(guān)研究成果在國內(nèi)外權(quán)威期刊或會議上發(fā)表論文100余篇，出版專著2本，教材3本。
書友推薦
- >
推拿
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
月亮虎
- >
隨園食單
- >
月亮與六便士
- >
煙與鏡
- >
上帝之肋:男人的真實旅程
- >
羅庸西南聯(lián)大授課錄
本類暢銷
