智能信息挖掘與處理

定　價(jià)：￥68.00

作　者：	楊振艦，于彥偉，張運(yùn)杰著
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 人工智能

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787122209047	出版時(shí)間：	2014-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	149	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)從基于密度的空間數(shù)據(jù)流聚類(lèi)、簇結(jié)構(gòu)挖掘、軌跡數(shù)據(jù)流在線聚類(lèi)及異常檢測(cè)四個(gè)方面，分析了現(xiàn)有數(shù)據(jù)流挖掘算法的挖掘效果、運(yùn)行效率、可伸縮性與參數(shù)敏感性等相關(guān)問(wèn)題，提出了一系列適用于海量時(shí)空數(shù)據(jù)流在線分析的方法與處理框架。然后基于可視化數(shù)據(jù)挖掘技術(shù)的城市地下空間GIS系統(tǒng)的關(guān)鍵技術(shù)和構(gòu)建方法，改進(jìn)機(jī)器學(xué)習(xí)算法、空間和非空間的聚類(lèi)算法，研究結(jié)合挖掘算法的相關(guān)可視化技術(shù)。本書(shū)可作為高等院校計(jì)算機(jī)工程、信息工程、智能機(jī)器人學(xué)、工業(yè)自動(dòng)化、模式識(shí)別等學(xué)科研究生的教材或教學(xué)參考書(shū)，亦可供智能信息挖掘與處理研究人員參考。

作者簡(jiǎn)介

暫缺《智能信息挖掘與處理》作者簡(jiǎn)介

圖書(shū)目錄

1概論1
1.1時(shí)空數(shù)據(jù)挖掘研究概述3
1.2空間數(shù)據(jù)流聚類(lèi)算法研究5
1.2.1基于密度的聚類(lèi)算法5
1.2.2數(shù)據(jù)流聚類(lèi)算法9
1.3時(shí)空軌跡數(shù)據(jù)挖掘研究現(xiàn)狀11
1.3.1軌跡距離測(cè)量方法11
1.3.2軌跡數(shù)據(jù)流聚類(lèi)算法相關(guān)研究14
1.3.3移動(dòng)目標(biāo)軌跡模式挖掘相關(guān)研究17
1.3.4面向鄰居的實(shí)時(shí)查詢(xún)處理方法20
1.4GIS可視化空間數(shù)據(jù)挖掘技術(shù)21
1.5城市超前地質(zhì)預(yù)報(bào)發(fā)展現(xiàn)狀22
1.6本章小結(jié)23
2基于密度的空間數(shù)據(jù)流在線聚類(lèi)算法24
2.1引言24
2.2在線聚類(lèi)相關(guān)定義25
2.2.1基本概念25
2.2.2在線聚類(lèi)描述27
2.3OLDStream算法27
2.3.1算法思想27
2.3.2算法描述28
2.3.3時(shí)間復(fù)雜度31
2.4實(shí)驗(yàn)測(cè)試及分析32
2.4.1聚類(lèi)效果測(cè)試32
2.4.2性能測(cè)試34
2.4.3輸入?yún)?shù)敏感度分析35
2.5本章小結(jié)38
3海量軌跡數(shù)據(jù)流在線聚類(lèi)算法39
3.1概述39
3.2問(wèn)題定義40
3.2.1基本概念40
3.2.2CTraStream基本框架43
3.3基于密度的線段流聚類(lèi)44
3.3.1新線段的影響44
3.3.2CLnStream描述45
3.4軌跡簇在線更新方法46
3.4.1TC-Tree索引結(jié)構(gòu)47
3.4.2由線段簇更新軌跡簇48
3.4.3TraCluUpdate算法描述49
3.5實(shí)驗(yàn)評(píng)估及分析50
3.5.1聚類(lèi)效果測(cè)試50
3.5.2性能測(cè)試52
3.5.3參數(shù)敏感度分析53
3.6本章小結(jié)54
4面向?qū)崟r(shí)查詢(xún)處理的時(shí)空軌跡流挖掘框架55
4.1引言55
4.2框架概述56
4.2.1問(wèn)題定義56
4.2.2TSMF框架57
4.3軌跡數(shù)據(jù)流挖掘58
4.3.1軌跡數(shù)據(jù)流聚類(lèi)58
4.3.2Swarm-HT在線更新59
４.４實(shí)時(shí)查詢(xún)處理方法60
4.4.1CCTC查詢(xún)60
4.4.2CCSwarm查詢(xún)61
4.4.3k-NNT查詢(xún)62
4.5實(shí)驗(yàn)評(píng)估63
4.5.1挖掘效果64
4.5.2挖掘效率65
4.5.3查詢(xún)處理性能測(cè)試65
4.5.4參數(shù)敏感度分析66
4.6本章小結(jié)66
5基于GIS的可視化空間數(shù)據(jù)挖掘技術(shù)68
5.1地理信息系統(tǒng)68
5.1.1空間數(shù)據(jù)模型68
5.1.2空間關(guān)聯(lián)規(guī)則72
5.1.3空間數(shù)據(jù)庫(kù)74
5.2空間數(shù)據(jù)挖掘76
5.2.1空間關(guān)聯(lián)規(guī)則及其挖掘方法76
5.2.2支持向量機(jī)挖掘方法79
5.2.3聚類(lèi)方法80
5.3空間數(shù)據(jù)挖掘過(guò)程81
5.4空間數(shù)據(jù)挖掘的可視化81
5.4.1基于Java 3D的空間關(guān)聯(lián)規(guī)則可視化82
5.4.2基于平行坐標(biāo)理論的多維多時(shí)相空間數(shù)據(jù)可視化87
5.5本章小結(jié)90
6支持向量機(jī)算法的研究91
6.1支持向量機(jī)算法91
6.1.1模式的區(qū)分91
6.1.2SVM學(xué)習(xí)模型95
6.1.3SVM算法已知的問(wèn)題96
6.1.4應(yīng)用SVM算法進(jìn)行巖體分類(lèi)96
6.2基于案例推理CBR方法102
6.2.1基于案例推理方法中的測(cè)度102
6.2.2案例庫(kù)的設(shè)計(jì)原則104
6.2.3基于CBR方法的改進(jìn)SVM算法104
6.3基于空間區(qū)域劃分的SVM方法105
6.4算法分析107
6.5本章小結(jié)110
7城市地下空間GIS分類(lèi)技術(shù)及分析111
7.1空間聚類(lèi)111
7.2城市地下空間GIS空間聚類(lèi)算法112
7.2.1統(tǒng)計(jì)距離方法112
7.2.2基于相似形理論的夾角余弦方法112
7.2.3基于k中心點(diǎn)法的空間聚類(lèi)113
7.3空間分類(lèi)結(jié)果評(píng)價(jià)指標(biāo)115
7.4文本分類(lèi)115
7.4.1預(yù)處理技術(shù)116
7.4.2特征提取技術(shù)117
7.4.3特征項(xiàng)權(quán)重計(jì)算118
7.5城市地下空間GIS的文本分類(lèi)算法119
7.6文本分類(lèi)效果評(píng)價(jià)指標(biāo)121
7.7分類(lèi)技術(shù)的難點(diǎn)分析121
7.8本章小結(jié)122
8空間數(shù)據(jù)挖掘過(guò)程中的數(shù)據(jù)質(zhì)量控制及改進(jìn)方法123
8.1空間數(shù)據(jù)的不確定性123
8.1.1空間數(shù)據(jù)不確定性的來(lái)源124
8.1.2空間數(shù)據(jù)誤差評(píng)價(jià)指標(biāo)125
8.2空間數(shù)據(jù)質(zhì)量評(píng)價(jià)126
8.2.1評(píng)價(jià)的內(nèi)容126
8.2.2評(píng)價(jià)的方法127
8.3城市地下空間數(shù)據(jù)獲取方法128
8.3.1城市地質(zhì)工程及數(shù)據(jù)特點(diǎn)128
8.3.2爆破震動(dòng)監(jiān)測(cè)測(cè)量方法130
8.4三明治空間抽樣方法132
8.5本章小結(jié)134
9城市地下空間數(shù)據(jù)挖掘GIS原型系統(tǒng)構(gòu)建135
9.1系統(tǒng)構(gòu)建策略135
9.2系統(tǒng)功能設(shè)計(jì)136
9.3數(shù)據(jù)流程設(shè)計(jì)139
9.4插件式系統(tǒng)集成方法139
9.5系統(tǒng)運(yùn)行效果140
9.6本章小結(jié)142
附錄符號(hào)說(shuō)明144
參考文獻(xiàn)145