數(shù)據(jù)挖掘算法（基于C++及CUDA C）

第1章  概述 1
第2章  前向選擇成分分析 3
前向選擇成分分析概述 3
數(shù)學原理與代碼示例 5
化解釋方差 6
方差化準則代碼 7
后向細化 10
多線程后向細化 13
有序成分正交化 18
綜合應(yīng)用 20
僅前向選擇子集的成分變量 24
后向細化子集的成分變量 25
人工變量示例 26
第3章  局部特征選擇 30
算法概述 30
算法輸出結(jié)果 34
簡要介紹：單純形算法 34
線性規(guī)劃問題 35
Simplex類的接口 36
更多細節(jié) 37
一種更嚴格的LFS方法 38
類內(nèi)分割和類間分割 41
計算權(quán)重 43
化類間分割 45
小化類內(nèi)分割 48
測試β試驗值 49
關(guān)于線程的簡要說明 52
CUDA權(quán)重計算 52
將CUDA代碼集成到算法中 53
初始化CUDA硬件 54
計算與當前實例之差 56
計算距離矩陣 57
計算小距離 59
計算權(quán)重方程項 63
轉(zhuǎn)置項矩陣 64
權(quán)重項求和 65
權(quán)重遷移到主機 66
局部特征選擇示例 66
關(guān)于運行時的解釋說明 67
第4章  時間序列特征的記憶特性 68
簡單數(shù)學概述 69
前向算法 70
后向算法 72
α和β修正 74
一些常規(guī)計算 78
均值和協(xié)方差 78
概率密度 79
多元正態(tài)概率密度函數(shù) 80
啟動參數(shù) 81
初始化算法流程 81
對均值施加擾動 82
對協(xié)方差施加擾動 82
對轉(zhuǎn)移概率施加擾動 83
關(guān)于隨機數(shù)發(fā)生器的解釋 83
完整優(yōu)化算法 84
計算狀態(tài)概率 85
更新均值和協(xié)方差 87
更新初始概率和轉(zhuǎn)移概率 89
HMM在時間序列中的記憶特性評估 93
鏈接特征變量與目標變量 96
鏈接HMM狀態(tài)與目標 102
一個人為的不當示例 109
一個合理可行的示例 111
第5章  逐步選擇改進算法 113
特征評估模型 114
基本模型實現(xiàn)代碼 115
交叉驗證性能度量 118
逐步選擇算法 120
確定個變量 125
在現(xiàn)有模型中添加變量 127
三個算法演示示例 130
第6章  名義變量到有序變量的轉(zhuǎn)換 133
實現(xiàn)概述 135
合理關(guān)系測試 135
股票價格變動示例 136
名義變量到有序變量變換實現(xiàn)代碼 138
構(gòu)造函數(shù) 139
輸出計數(shù)表 141
計算映射函數(shù) 143
Monte-Carlo置換檢驗 145