地球科學中的大數(shù)據(jù)分析與挖掘算法手冊

目 錄
第　1章 關聯(lián)規(guī)則　001
1．1　Apriori算法　002
1．1．1　算法概要　002
1．1．2　算法原理　002
1．1．3　實例說明　004
1．1．4　算法優(yōu)缺點　010
1．1．5　優(yōu)化改進　010
1．1．6　大數(shù)據(jù)適應度分析　012
1．1．7　地球科學應用案例　013
1．2　FP-growth算法　015
1．2．1　算法概要　015
1．2．2　算法原理　015
1．2．3　實例說明　017
1．2．4　優(yōu)化改進　019
1．2．5　大數(shù)據(jù)適應度分析　021
1．2．6　地球科學應用案例　024
參考文獻　026
第　2章 分類　027
2．1　決策樹算法　028
2．1．1　算法概要　028
2．1．2　算法原理　028
2．1．3　算法優(yōu)缺點　031
2．1．4　優(yōu)化改進　032
2．1．5　決策樹衍生算法　033
2．1．6　大數(shù)據(jù)適應度分析　035
2．1．7　地球科學應用案例　037
2．2　貝葉斯分類算法　038
2．2．1　算法概要　038
2．2．2　算法原理　038
2．2．3　實例說明　040
2．2．4　算法優(yōu)缺點　042
2．2．5　優(yōu)化改進　042
2．2．6　大數(shù)據(jù)適應度分析　045
2．2．7　地球科學應用案例　046
2．3　神經網絡分類算法　047
2．3．1　算法概要　047
2．3．2　算法原理　047
2．3．3　算法優(yōu)缺點　051
2．3．4　優(yōu)化改進　052
2．3．5　大數(shù)據(jù)適應度分析　053
2．3．6　地球科學應用案例　053
2．4　粗糙集分類　055
2．4．1　算法概要　055
2．4．2　算法原理　055
2．4．3　實例說明　062
2．4．4　算法優(yōu)缺點　064
2．4．5　優(yōu)化改進　064
2．4．6　大數(shù)據(jù)適應度分析　065
2．4．7　地球科學應用案例　066
2．5　支持向量機　066
2．5．1　算法概要　066
2．5．2　算法原理　067
2．5．3　實例說明　073
2．5．4　算法優(yōu)缺點　074
2．5．5　優(yōu)化改進　074
2．5．6　大數(shù)據(jù)適應度分析　076
2．5．7　地球科學應用案例　077
2．6　K-最近鄰算法　078
2．6．1　算法概要　078
2．6．2　算法原理　078
2．6．3　算法優(yōu)缺點　080
2．6．4　優(yōu)化改進　080
2．6．5　大數(shù)據(jù)適應度分析　082
2．6．6　地球科學應用案例　085
2．7　Bagging算法　086
2．7．1　算法概要　086
2．7．2　算法原理　087
2．7．3　實例說明　090
2．7．4　優(yōu)化改進　093
2．7．5　大數(shù)據(jù)適應度分析　094
2．7．6　地球科學應用案例　095
2．8　AdaBoost算法　096
2．8．1　算法概要　096
2．8．2　算法原理　097
2．8．3　訓練過程　099
2．8．4　同類算法　100
2．8．5　大數(shù)據(jù)適應度分析　103
2．8．6　地球科學應用案例　103
參考文獻　105
第3章　回歸　115
3．1　線性回歸　116
3．1．1　算法概要　116
3．1．2　算法原理　116
3．1．3　實例說明　119
3．1．4　算法優(yōu)缺點　120
3．1．5　優(yōu)化改進　121
3．1．6　大數(shù)據(jù)適應度分析　123
3．1．7　地球科學應用案例　123
3．2　邏輯回歸　124
3．2．1　算法概要　124
3．2．2　算法原理　125
3．2．3　算法實現(xiàn)　127
3．2．4　SoftMax算法　129
3．2．5　大數(shù)據(jù)適應度分析　129
3．2．6　地球科學應用案例　130
參考文獻　131
第4章　聚類　133
4．1　K-means算法　134
4．1．1　算法概要　134
4．1．2　算法原理　134
4．1．3　實例說明　135
4．1．4　算法優(yōu)缺點　138
4．1．5　優(yōu)化改進　138
4．1．6　大數(shù)據(jù)適應度分析　140
4．1．7　地球科學應用案例　141
4．2　K-medoids算法　142
4．2．1　算法概要　142
4．2．2　算法原理　142
4．2．3　實例說明　144
4．2．4　算法優(yōu)缺點　147
4．2．5　優(yōu)化改進　148
4．2．6　大數(shù)據(jù)適應度分析　149
4．2．7　地球科學應用案例　149
4．3　層次聚類算法　151
4．3．1　算法概要　151
4．3．2　距離度量　151
4．3．3　算法流程　153
4．3．4　改進優(yōu)化　154
4．3．5　大數(shù)據(jù)適應度分析　158
4．3．6　地球科學應用案例　159
4．4　基于密度的聚類算法　160
4．4．1　算法概要　160
4．4．2　算法原理　160
4．4．3　實例說明　162
4．4．4　算法優(yōu)缺點　164
4．4．5　優(yōu)化改進　165
4．4．6　大數(shù)據(jù)適應度分析　166
4．4．7　地球科學應用案例　167
4．5　基于網格的聚類算法　168
4．5．1　算法概要　168
4．5．2　STING　168
4．5．3　CLIQUE　170
4．5．4　優(yōu)化改進　173
4．5．5　大數(shù)據(jù)適應度分析　176
4．5．6　地球科學應用案例　177
參考文獻　179
第5章　序列模式挖掘　183
5．1　GSP算法　184
5．1．1　算法概要　184
5．1．2　算法原理　184
5．1．3　實例說明　189
5．1．4　算法優(yōu)缺點　191
5．1．5　GSP衍生算法　192
5．1．6　大數(shù)據(jù)適應度分析　194
5．1．7　地球科學應用案例　195
5．2　SPADE算法　196
5．2．1　算法概要　196
5．2．2　算法原理　197
5．2．3　實例說明　203
5．2．4　算法優(yōu)缺點　206
5．2．5　優(yōu)化改進　206
5．2．6　SPADE衍生算法　207
5．2．7　大數(shù)據(jù)適應度分析　209
5．2．8　地球科學應用案例　213
參考文獻　215
第6章　深度學習　217
6．1　深度信念網　218
6．1．1　算法概要　218
6．1．2　算法原理　219
6．1．3　優(yōu)化改進　225
6．1．4　大數(shù)據(jù)適應度分析　226
6．1．5　地球科學應用案例　227
6．2　卷積神經網絡　228
6．2．1　算法概要　228
6．2．2　算法原理　228
6．2．3　實例說明　229
6．2．4　模型演化　231
6．2．5　優(yōu)化改進　234
6．2．6　大數(shù)據(jù)適應度分析　235
6．2．7　地球科學應用案例　235
6．3　自動編碼器算法　237
6．3．1　算法概要　237
6．3．2　算法原理　238
6．3．3　算法實現(xiàn)　240
6．3．4　衍生算法　241
6．3．5　優(yōu)化改進　243
6．3．6　大數(shù)據(jù)適應度分析　244
6．3．7　地球科學應用案例　245
參考文獻　245
第7章　異常檢測　249
7．1　概述　250
7．2　基于統(tǒng)計的異常檢測算法　251
7．2．1　算法原理　251
7．2．2　典型算法　251
7．3　基于距離的方法　252
7．3．1　算法原理　252
7．3．2　典型算法　252
7．4　基于深度的異常檢測方法　256
7．4．1　算法原理　256
7．4．2　典型算法　257
7．5　基于密度的異常檢測算法　258
7．5．1　算法原理　258
7．5．2　典型算法　258
7．6　基于偏離的異常檢測算法　262
7．6．1　算法原理　262
7．6．2　典型算法　263
7．7　基于聚類的異常檢測算法　265
7．7．1　算法原理　265
7．7．2　典型算法　265
7．8　大數(shù)據(jù)適應度分析　268
7．9　地球科學應用案例　269
參考文獻　271
附錄A　軟件、源碼及開發(fā)包　275