亚洲视频在线一区二区,国产四视频社区在线观看,无码专区首页精品

內容簡介

　　本書以數據分析與挖掘思想為主線，深入剖析關聯、分類、回歸、聚類、順序模式挖掘、深度學習以及異常檢測等算法的原理、實現、相似算法、改進思路以及地學案例，具有很強的系統(tǒng)性、完整性以及落地性，可以作為各行業(yè)特別是地球科學領域中希望駕馭大數據并發(fā)掘其價值的科研人員和工程人員的參考書，讀者既可以通過本書系統(tǒng)掌握大數據分析挖掘的思想方法，也可以將其作為算法工具書查閱。

作者簡介

　　對地觀測和數字地球科學中心數據技術部主任。主要研究方向為高性能地學計算、網絡化數據工程，承研項目40多項，在研項目6項，發(fā)表論文70多篇。IEEE和中國計算機學會的高級會員，中國計算機學會高性能計算專業(yè)委員會理事和中國軟件協(xié)會數學軟件分會理事。長期參與相關國際組織的工作，曾任國際對地觀測衛(wèi)星委員會（CEOS）網格任務組主席和應用工作組副主席、現任國際數據系統(tǒng)（WDS）科學委員會委員、國際科學數據委員會（CODATA）“災害數據開放和互聯”工作組主席，同時擔任國際科聯（ICSU）中國專家委員會、國際災害風險集成研究計劃（IRDR）中國專家委員會、國家綜合地球觀測組織（GEO）中國專家委員會的主要成員。

圖書目錄

目錄
第　1章關聯規(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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　127
3．2．4　SoftMax算法　129
3．2．5　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　大數據適應度分析　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　240
6．3．4　衍生算法　241
6．3．5　優(yōu)化改進　243
6．3．6　大數據適應度分析　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　大數據適應度分析　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