大数据挖掘技术与应用/孟海东,宋宇辰

￥45.92

运费：	¥ 10.00-25.00
库存：	30 件

立即购买

支付：: 微信支付银行卡支付宝

商品详情

内容简介

《大数据挖掘技术与应用》针对大数据的海量性、高维性、异构性、动态性、多样性、多源性、多尺度性、时空性和模糊性等特征，对数据挖掘技术中的聚类分析和关联规则分析进行了系统的研究；研究与开发了基于密度和自适应密度可达聚类算法、动态增量聚类算法、并行聚类算法、高维多类型数据聚类算法、基于密度加权的模糊聚类算法、基于数据场的聚类和量化关联规则算法、基于距离的量化关联规则分析、基于云计算的大数据聚类算法，以及挖掘结果的可视化表达；给出了地球化学数据挖掘、基于数据挖掘的中国资源与区域经济发展关系的分析应用实例。
　　《大数据挖掘技术与应用》可供从事数据挖掘技术研究、应用和软件开发人员以及学习数据挖掘技术的本科生和研究生参考

目　　录

1 绪论
1.1 大数据
1.1.1 大数据概念
1.1.□ 大数据特征
1.□ 云计算与大数据挖掘
1.□.1 云计算
1.□.□ 大数据挖掘
1.3 传统数据挖掘
1.3.1 数据源与挖掘任务
1.3.□ 数据挖掘方法
1.3.3 数据挖掘面临问题
参考文献

□ 基于属性加权和密度聚类分析
□.1 聚类分析技术
□.1.1 数据基础
□.1.□ 聚类分析方法
□.1.3 簇的类型
□.□ 聚类算法
□.□.1 聚类算法分类
□.□.□ 聚类算法特性
□.□.3 选用聚类算法参考因素
□.□.4 聚类算法面临的挑战
□.3 聚类算法改进
□.3.1 聚类算法分析
□.3.□ 数据对象属性加权
□.3.3 基于属性加权K-means算法
□.3.4 实例验证算法
□.4 基于密度与对象方向聚类算法
□.4.1 算法的提出
□.4.□ DENCLUE算法
□.4.3 算法设计
□.5 CABWAD算法实现
□.5.1 数据结构建立
□.5.□ 数据结构上聚类
□.5.3 时间和空间复杂度
□.6 实验分析
□.6.1 准确度分析
□.6.□ 可扩展性分析
参考文献

3 基于密度与密度可达聚类分析
3.1 CABWAD算法分析
3.1.1 算法过程分析
3.1.□ 两个输入参数的分析
3.□ 算法设计与分析
3.□.1 相关定义
3.□.□ CADD算法设计
3.□.3 算法执行过程分析
3.3 实验分析
3.3.1 不同分布形态的簇（缠绕簇）
3.3.□ 不同密度的簇
3.3.3 分布在不同密度噪声中的变密度簇
3.3.4 复杂形态簇
3.3.5 算法复杂度分析
参考文献

4 动态增量聚类分析
4.1 算法提出
……

5 并行聚类分析
6 高维多类型属性数据对象聚类分析
7 基于密度加权模糊聚类分析
8 基于距离量化关联规则挖掘
9 基于数据场的数据挖掘技术
10 基于MapReduce聚类分析
11 数据挖掘结果可视化表达
1□ 地球化学数据挖掘（I）
13 地球化学数据挖掘（II）
14 资源与经济发展关系分析