海量高維離群數(shù)據(jù)挖掘方法與技術(shù)

定　價(jià)：￥98.00

作　者：	趙旭俊著
出版社：	西北工業(yè)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥90.80)

ISBN：	9787561269237	出版時(shí)間：	2019-12-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	241	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　隨著信息社會(huì)的不斷發(fā)展，大數(shù)據(jù)的價(jià)值已被社會(huì)全面認(rèn)可，如何從大數(shù)據(jù)中挖掘有價(jià)值的知識(shí)和規(guī)律面臨著巨大技術(shù)挑戰(zhàn)。離群數(shù)據(jù)作為數(shù)據(jù)挖掘的一個(gè)重要分支，可從大數(shù)據(jù)中發(fā)現(xiàn)與眾不同的、意義深遠(yuǎn)的特殊現(xiàn)象。《海量高維離群數(shù)據(jù)挖掘方法與技術(shù)》以離群數(shù)據(jù)挖掘及并行計(jì)算為研究對(duì)象，對(duì)基于距離的離群數(shù)據(jù)挖掘、基于加權(quán)k近鄰的離群數(shù)據(jù)挖掘、基于子空間的離群數(shù)據(jù)挖掘以及多數(shù)據(jù)源的離群數(shù)據(jù)挖掘等各種方法和算法進(jìn)行了深入研究，并在高性能集群環(huán)境下，討論分析了各種算法的并行化過(guò)程，設(shè)計(jì)實(shí)現(xiàn)了相應(yīng)的并行算法以及性能優(yōu)化算法?！逗Ａ扛呔S離群數(shù)據(jù)挖掘方法與技術(shù)》可供從事大數(shù)據(jù)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)以及并行計(jì)算等相關(guān)領(lǐng)域的科研及工程人員參考，也可作為高等院校計(jì)算機(jī)、軟件工程及自動(dòng)化等專(zhuān)業(yè)的本科生與研究生的學(xué)習(xí)參考書(shū)。

作者簡(jiǎn)介

暫缺《海量高維離群數(shù)據(jù)挖掘方法與技術(shù)》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1．1 大數(shù)據(jù)及大數(shù)據(jù)挖掘
1．2 離群數(shù)據(jù)挖掘方法
1．3 集群系統(tǒng)與并行計(jì)算模型
第2章基于距離的離群數(shù)據(jù)挖掘
2．1 基于距離支持度的離群數(shù)據(jù)挖掘方法
2．2 基于分階段模糊聚類(lèi)的離群數(shù)據(jù)挖掘方法
2．3 基于信息熵的離群數(shù)據(jù)挖掘方法
第3章基于加權(quán)k近鄰的離群數(shù)據(jù)挖掘方法及并行化
3．1 問(wèn)題提出
3．2 基于Z-order的加權(quán)k近鄰與離群數(shù)據(jù)挖掘
3．3 基于MapReduce的并行加權(quán)k近鄰與離群數(shù)據(jù)挖掘
第4章基于屬性約減的子空間離群挖掘方法及并行化
4．1 基于屬性相關(guān)分析的子空間離群數(shù)據(jù)挖掘
4．2 基于MapReduce的上下文離群數(shù)據(jù)并行挖掘
第5章多源離群數(shù)據(jù)并行挖掘方法與性能優(yōu)化
5．1 基于kNN-join的多源離群并行挖掘
5．2 基于MapReduce的并行kNN-join數(shù)據(jù)傾斜
第6章海量高維離群數(shù)據(jù)挖掘應(yīng)用
6．1 天體光譜離群數(shù)據(jù)挖掘系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
6．2 冷軋輥異常加工工序檢測(cè)原型系統(tǒng)
參考文獻(xiàn)