幫助中心 | 我的帳號 | 關於我們

地球科學中的大數據分析與挖掘演算法手冊/學術中國

  • 作者:編者:李國慶//劉瑩//龐祿申
  • 出版社:人民郵電
  • ISBN:9787115478559
  • 出版日期:2018/08/01
  • 裝幀:平裝
  • 頁數:290
人民幣:RMB 149 元      售價:
放入購物車
加入收藏夾

內容大鋼
    李國慶、劉瑩、龐祿申編著的《地球科學中的大數據分析與挖掘演算法手冊》以數據分析與挖掘思想為主線,深入剖析關聯、分類、回歸、聚類、順序模式挖掘、深度學習以及異常檢測等演算法的原理、實現、相似演算法、改進思路以及地學案例,具有很強的系統性、完整性以及落地性,可以作為各行業特別是地球科學領域中希望駕馭大數據併發掘其價值的科研人員和工程人員的參考書,讀者既可以通過本書系統掌握大數據分析挖掘的思想方法,也可以將其作為演算法工具書查閱。

作者介紹
編者:李國慶//劉瑩//龐祿申

目錄
第1章  關聯規則
  1.1  Apriori演算法
    1.1.1  演算法概要
    1.1.2  演算法原理
    1.1.3  實例說明
    1.1.4  演算法優缺點
    1.1.5  優化改進
    1.1.6  大數據適應度分析
    1.1.7  地球科學應用案例
  1.2  FP-growth演算法
    1.2.1  演算法概要
    1.2.2  演算法原理
    1.2.3  實例說明
    1.2.4  優化改進
    1.2.5  大數據適應度分析
    1.2.6  地球科學應用案例
參考文獻
第2章  分類
  2.1  決策樹演算法
    2.1.1  演算法概要
    2.1.2  演算法原理
    2.1.3  演算法優缺點
    2.1.4  優化改進
    2.1.5  決策樹衍生演算法
    2.1.6  大數據適應度分析
    2.1.7  地球科學應用案例
  2.2  貝葉斯分類演算法
    2.2.1  演算法概要
    2.2.2  演算法原理
    2.2.3  實例說明
    2.2.4  演算法優缺點
    2.2.5  優化改進
    2.2.6  大數據適應度分析
    2.2.7  地球科學應用案例
  2.3  神經網路分類演算法
    2.3.1  演算法概要
    2.3.2  演算法原理
    2.3.3  演算法優缺點
    2.3.4  優化改進
    2.3.5  大數據適應度分析
    2.3.6  地球科學應用案例
  2.4  粗糙集分類
    2.4.1  演算法概要
    2.4.2  演算法原理
    2.4.3  實例說明
    2.4.4  演算法優缺點
    2.4.5  優化改進
    2.4.6  大數據適應度分析
    2.4.7  地球科學應用案例
  2.5  支持向量機

    2.5.1  演算法概要
    2.5.2  演算法原理
    2.5.3  實例說明
    2.5.4  演算法優缺點
    2.5.5  優化改進
    2.5.6  大數據適應度分析
    2.5.7  地球科學應用案例
  2.6  K-最近鄰演算法
    2.6.1  演算法概要
    2.6.2  演算法原理
    2.6.3  演算法優缺點
    2.6.4  優化改進
    2.6.5  大數據適應度分析
    2.6.6  地球科學應用案例
  2.7  Bagging演算法
    2.7.1  演算法概要
    2.7.2  演算法原理
    2.7.3  實例說明
    2.7.4  優化改進
    2.7.5  大數據適應度分析
    2.7.6  地球科學應用案例
  2.8  AdaBoost演算法
    2.8.1  演算法概要
    2.8.2  演算法原理
    2.8.3  訓練過程
    2.8.4  同類演算法
    2.8.5  大數據適應度分析
    2.8.6  地球科學應用案例
參考文獻
第3章  回歸
  3.1  線性回歸
    3.1.1  演算法概要
    3.1.2  演算法原理
    3.1.3  實例說明
    3.1.4  演算法優缺點
    3.1.5  優化改進
    3.1.6  大數據適應度分析
    3.1.7  地球科學應用案例
  3.2  邏輯回歸
    3.2.1  演算法概要
    3.2.2  演算法原理
    3.2.3  演算法實現
    3.2.4  SoftMax演算法
    3.2.5  大數據適應度分析
    3.2.6  地球科學應用案例
參考文獻
第4章  聚類
  4.1  K-means演算法
    4.1.1  演算法概要
    4.1.2  演算法原理

    4.1.3  實例說明
    4.1.4  演算法優缺點
    4.1.5  優化改進
    4.1.6  大數據適應度分析
    4.1.7  地球科學應用案例
  4.2  K-medoids演算法
    4.2.1  演算法概要
    4.2.2  演算法原理
    4.2.3  實例說明
    4.2.4  演算法優缺點
    4.2.5  優化改進
    4.2.6  大數據適應度分析
    4.2.7  地球科學應用案例
  4.3  層次聚類演算法
    4.3.1  演算法概要
    4.3.2  距離度量
    4.3.3  演算法流程
    4.3.4  改進優化
    4.3.5  大數據適應度分析
    4.3.6  地球科學應用案例
  4.4  基於密度的聚類演算法
    4.4.1  演算法概要
    4.4.2  演算法原理
    4.4.3  實例說明
    4.4.4  演算法優缺點
    4.4.5  優化改進
    4.4.6  大數據適應度分析
    4.4.7  地球科學應用案例
  4.5  基於網格的聚類演算法
    4.5.1  演算法概要
    4.5.2  STING
    4.5.3  CLIQUE
    4.5.4  優化改進
    4.5.5  大數據適應度分析
    4.5.6  地球科學應用案例
參考文獻
第5章  序列模式挖掘
  5.1  GSP演算法
    5.1.1  演算法概要
    5.1.2  演算法原理
    5.1.3  實例說明
    5.1.4  演算法優缺點
    5.1.5  GSP衍生演算法
    5.1.6  大數據適應度分析
    5.1.7  地球科學應用案例
  5.2  SPADE演算法
    5.2.1  演算法概要
    5.2.2  演算法原理
    5.2.3  實例說明
    5.2.4  演算法優缺點

    5.2.5  優化改進
    5.2.6  SPADE衍生演算法
    5.2.7  大數據適應度分析
    5.2.8  地球科學應用案例
參考文獻
第6章  深度學習
  6.1  深度信念網
    6.1.1  演算法概要
    6.1.2  演算法原理
    6.1.3  優化改進
    6.1.4  大數據適應度分析
    6.1.5  地球科學應用案例
  6.2  卷積神經網路
    6.2.1  演算法概要
    6.2.2  演算法原理
    6.2.3  實例說明
    6.2.4  模型演化
    6.2.5  優化改進
    6.2.6  大數據適應度分析
    6.2.7  地球科學應用案例
  6.3  自動編碼器演算法
    6.3.1  演算法概要
    6.3.2  演算法原理
    6.3.3  演算法實現
    6.3.4  衍生演算法
    6.3.5  優化改進
    6.3.6  大數據適應度分析
    6.3.7  地球科學應用案例
參考文獻
第7章  異常檢測
  7.1  概述
  7.2  基於統計的異常檢測演算法
    7.2.1  演算法原理
    7.2.2  典型演算法
  7.3  基於距離的方法
    7.3.1  演算法原理
    7.3.2  典型演算法
  7.4  基於深度的異常檢測方法
    7.4.1  演算法原理
    7.4.2  典型演算法
  7.5  基於密度的異常檢測演算法
    7.5.1  演算法原理
    7.5.2  典型演算法
  7.6  基於偏離的異常檢測演算法
    7.6.1  演算法原理
    7.6.2  典型演算法
  7.7  基於聚類的異常檢測演算法
    7.7.1  演算法原理
    7.7.2  典型演算法
  7.8  大數據適應度分析

  7.9  地球科學應用案例
參考文獻
附錄A  軟體、源碼及開發包

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032