幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

分散式智能演算法及在大數據中的應用

  • 作者：陳宏偉//魏斯瑋//葉志偉|責編:雷順加
  • 出版社：中國水利水電
  • ISBN：9787522606323
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：221
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《分散式智能演算法及在大數據中的應用》主要包括智能演算法技術與大數據概述；基於Hadoop的分散式雜交水稻演算法；基於Hadoop的隨機奇異值分解演算法；基於Hadoop的分散式水波優化演算法；基於Spark的分散式關聯規則挖掘演算法；基於Spark的分散式飛蛾撲火優化演算法；基於Spark的分散式蟻獅演算法等內容。
    本書既可以作為電腦科學與技術相關專業研究生及高年級本科生的教材，也可以作為科研人員的參考書，同時還可以作為研究生、博士生及教師寫論文的參考書。
作者介紹
陳宏偉//魏斯瑋//葉志偉|責編:雷順加
目錄
第1章  智能演算法與大數據概述
  1.1  智能演算法概述
    1.1.1  智能演算法
    1.1.2  分散式智能演算法
  1.2  Hadoop框架概述
    1.2.1  Hadoop的生態環境
    1.2.2  HDFS分散式文件系統分析
    1.2.3  MapReduce並行計算框架
  1.3  Spark框架概述
    1.3.1  Spark的生態環境
    1.3.2  Spark編程模型
  1.4  分散式智能演算法及在大數據中的應用概述
    1.4.1  基於Hadoop的分散式雜交水稻演算法研究
    1.4.2  基於Hadoop的隨機奇異值分解演算法研究
    1.4.3  基於Hadoop的分散式水波優化演算法研究
    1.4.4  基於Spark的分散式關聯規則挖掘演算法研究
    1.4.5  基於Spark的分散式飛蛾撲火優化演算法研究
    1.4.6  基於Spark的分散式蟻獅演算法研究
第2章  基於Hadoop的分散式雜交水稻優化演算法
  2.1  雜交水稻優化演算法
    2.1.1  雜交水稻優化演算法概述
    2.1.2  三系雜交水稻演算法
    2.1.3  雜交水稻演算法實現
  2.2  分散式並行雜交水稻演算法
    2.2.1  分散式並行雜交水稻演算法概述
    2.2.2  分散式雜交水稻演算法實現
    2.2.3  分散式雜交水稻演算法的MapReduce過程
    2.2.4  基於Hadoop的分散式雜交水稻演算法流程
    2.2.5  實驗結果與分析
  2.3  基於Hadoop的雜交水稻演算法改進SVM
    2.3.1  支持向量機相關理論
    2.3.2  使用雜交水稻演算法優化SVM參數
    2.3.3  使用分散式雜交水稻演算法優化SVM參數
    2.3.4  實驗結果分析
第3章  基於Hadoop的隨機奇異值分解演算法
  3.1  隨機奇異值分解演算法
    3.1.1  隨機投影方案
    3.1.2  奇異值分解
    3.1.3  矩陣分解在推薦系統中的應用
    3.1.4  分散式矩陣分解
  3.2  基於Count Sketch演算法的隨機奇異值分解
    3.2.1  Count Sketch演算法簡介
    3.2.2  Count Sketch演算法改進
    3.2.3  基於Count Sketch演算法的隨機奇異值分解
    3.2.4  實驗結果分析
  3.3  基於兩重隨機方案的奇異值分解
    3.3.1  隨機高斯矩陣投影
    3.3.2  集成多個方案的隨機奇異值分解
    3.3.3  隨機高斯矩陣與Count Sketch演算法結合的演算法
    3.3.4  實驗結果分析

第4章  基於Hadoop的分散式水波優化演算法
  4.1  文本分類與水波優化演算法
    4.1.1  文本分類的關鍵技術
    4.1.2  水波優化演算法
  4.2  基於WW0演算法的文本特徵選擇
    4.2.1  概述
    4.2.2  傳統文本特徵選擇的缺點
    4.2.3  基於WW0演算法的文本分類
    4.2.4  實驗結果分析
  4.3  基於分散式水波優化演算法的文本特徵選擇
    4.3.1  概述
    4.3.2  並行實現WW0演算法分析
    4.3.3  分散式水波優化的文本特徵選擇演算法
    4.3.4  實驗結果分析
第5章  基於Spark的分散式關聯規則挖掘演算法
  5.1  相關理論與技術
    5.1.1  關聯規則
    5.1.2  二進位粒子群演算法
  5.2  基於PSO演算法改進FP-Growth演算法
    5.2.1  演算法改進策略
    5.2.2  PSO演算法設計
    5.2.3  PSO-FP演算法實現
    5.2.4  模擬實驗與結果分析
  5.3  基於Spark演算法的並行化改進
    5.3.1  基於並行粒子群演算法的改進策略
    5.3.2  基於並行條件樹挖掘改進策略
    5.3.3  模擬實驗分析
第6章  基於Spark的分散式飛蛾撲火優化演算法
  6.1  相關理論與技術
    6.1.1  飛蛾撲火優化演算法
    6.1.2  特徵選擇
    6.1.3  二進位的飛蛾撲火優化演算法特徵選擇
  6.2  基於Spark的改進飛蛾撲火優化演算法的研究
    6.2.1  基於Spark的飛蛾撲火優化演算法
    6.2.2  改進的飛蛾撲火優化演算法策略
    6.2.3  基於Spark的改進飛蛾撲火優化演算法
    6.2.4  實驗結果分析
  6.3  基於SPIMFO演算法在入侵檢測中的應用研究
    6.3.1  數據降維
    6.3.2  特徵選擇和特徵提取
    6.3.3  降維技術
    6.3.4  基於SPIMFO-LE演算法的網路入侵檢測模型
    6.3.5  數據集及指標性能
    6.3.6  實驗結果分析
第7章  基於Spark的分散式蟻獅演算法
  7.1  交通流的大數據分析和預處理
    7.1.1  交通流量數據集來源
    7.1.2  模型性能估測對比評價標準
    7.1.3  交通流的可預測性分析
    7.1.4  小波神經網路

  7.2  基於蟻獅優化演算法WNN的短期道路車流量估測
    7.2.1  基於WNN的短期道路車流量估測
    7.2.2  蟻獅演算法
    7.2.3  ALO-WNN與傳統優化演算法的對比
    7.2.4  基於自適應變異加權精英策略的ALO演算法改進
  7.3  基於Spark分散式IWALO交通流實時預測
    7.3.1  分散式演算法策略
    7.3.2  基於Spark-IWALO分散式演算法設計
    7.3.3  分散式場景下節點的加速比
    7.3.4  實驗結果分析
參考文獻

  • 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