大數(shù)據(jù)背景下數(shù)據(jù)挖掘及處理分析

第一章 大數(shù)據(jù)時代數(shù)據(jù)挖掘
第一節(jié) 大數(shù)據(jù)概念
第二節(jié) 大數(shù)據(jù)的現(xiàn)狀與挑戰(zhàn)
第三節(jié) 數(shù)據(jù)挖掘形式與特點
第二章 大數(shù)據(jù)中數(shù)據(jù)獲取的研究
第一節(jié) 數(shù)據(jù)獲取組件分析
第二節(jié) 數(shù)據(jù)獲取探針的原理解析
第三節(jié) 網(wǎng)頁及日志的采集
第四節(jié) 數(shù)據(jù)分發(fā)中間件的作用
第三章 數(shù)據(jù)的可視化分析
第一節(jié) 大數(shù)據(jù)與圖形分析
第二節(jié) 變量分布特征的可視化分析
第三節(jié) G19數(shù)據(jù)的大數(shù)據(jù)可視化
第四節(jié) 文本詞頻數(shù)據(jù)的可視化
第四章 基于R語言的數(shù)據(jù)挖掘的起步分析
第一節(jié) R的數(shù)據(jù)對象與類型
第二節(jié) R的向量、矩陣和數(shù)組分析
第三節(jié) R數(shù)據(jù)對象的相互轉(zhuǎn)換
第五章 基于R中的聚類分析和判別分析
第一節(jié) 多種聚類分析的異同
第二節(jié) R實現(xiàn)KNN聚類分析
第三節(jié) 使用R實現(xiàn)系統(tǒng)聚類
第四節(jié) 使用R實現(xiàn)快速聚類
第五節(jié) 多種判別分析模型綜述
第六章 數(shù)據(jù)挖掘中的模式甄別與網(wǎng)絡(luò)分析
第一節(jié) 模式甄別方法和及評價
第二節(jié) 模式甄別的監(jiān)督偵測方法
第三節(jié) 網(wǎng)絡(luò)節(jié)點重要性的測度
第四節(jié) 網(wǎng)絡(luò)子群構(gòu)成特征研究
第五節(jié) 主要的網(wǎng)絡(luò)類型特點
第七章 知識圖譜與圖數(shù)據(jù)挖掘
第一節(jié) 知識圖譜的構(gòu)建與應(yīng)用
第二節(jié) 基于圖論的圖數(shù)據(jù)檢索方法研究
第三節(jié) 基于圖論的圖數(shù)據(jù)挖掘方法研究
第八章 大數(shù)據(jù)時代機器學習和數(shù)據(jù)挖掘的對比分析
第一節(jié) 大數(shù)據(jù)時代機器學習和數(shù)據(jù)挖掘的聯(lián)系與區(qū)別
第二節(jié) 大數(shù)據(jù)時代機器學習的方式與類型
第三節(jié) 大數(shù)據(jù)時代機器學習與數(shù)據(jù)挖掘應(yīng)用解析
第四節(jié) 大數(shù)據(jù)時代深度學習的實踐與發(fā)展
第九章 數(shù)據(jù)挖掘的發(fā)展趨勢和安全隱私
第一節(jié) 挖掘復雜的數(shù)據(jù)類型
第二節(jié) 數(shù)據(jù)挖掘的其他方法
第三節(jié) 數(shù)據(jù)挖掘與社會的影響
第四節(jié) 大數(shù)據(jù)的隱私安全
第十章 數(shù)據(jù)挖掘應(yīng)用分析
第一節(jié) 金融數(shù)據(jù)分析的數(shù)據(jù)挖掘
第二節(jié) 零售和電信業(yè)的數(shù)據(jù)挖掘
第三節(jié) 科學與工程數(shù)據(jù)挖掘
第四節(jié) 入侵檢測和預(yù)防數(shù)據(jù)挖掘
第五節(jié) 數(shù)據(jù)挖掘與推薦系統(tǒng)
參考文獻