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

大數據智能分析與先進計算(普通高等院校數據科學與大數據技術專業系列規劃教材)

  • 作者：編者:劉朝華//呂明陽//陳磊//許岳兵|責編:韓雪
  • 出版社：中南大學
  • ISBN：9787548750383
  • 出版日期：2022/12/01
  • 裝幀：平裝
  • 頁數：226
人民幣：RMB 48 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    大數據時代的到來，迫切需要為控制電氣信息類研究生的教育建立大數據技術課程體系，為社會培養和輸送一批具備大數據素養的高級創新人才，滿足工業系統對大數據創新人才日益旺盛的需求。本書定位為控制電氣信息類研究生專業教材，為該專業研究生搭建起「大數據智能處理與先進計算」的系統知識體系及研究方向。本書將系統梳理、總結大數據技術的基本原理、大數據處理與學習智能方法、先進計算技術，以及最新大數據研究成果和大數據的主要領域應用，幫助研究生形成對大數據知識體系及其應用領域的深刻認識，為相關研究生在大數據領域奠定基礎和開拓研究方向。同時可作為自動化、電腦、電子電氣信息類高年級本科生的選修課教材及相關科技工作者的參考資料。全書分兩大部分內容，前者重點聚焦于大數據技術的兩個核心內容——分散式存儲和分散式計算；後者聚焦于各種機器學習、深度學習和智能優化方法等先進計算方法。
作者介紹
編者:劉朝華//呂明陽//陳磊//許岳兵|責編:韓雪
目錄
第1章  緒論
  1.1  大數據的概念和特徵
    1.1.1  大數據的概念
    1.1.2  大數據的特徵
  1.2  大數據與先進計算、人工智慧
  1.3  大數據的典型應用場景
  1.4  大數據的發展趨勢
第2章  機器學習
  2.1  數據挖掘與機器學習概述
  2.2  logistic回歸
    2.2.1  logistic回歸分類
    2.2.2  L2正則化原問題
    2.2.3  L2正則化對偶問題
    2.2.4  L1正則化原問題
  2.3  決策樹
    2.3.1  樹形決策過程
    2.3.2  分類與回歸樹
    2.3.3  訓練演算法
  2.4  支持向量機
    2.4.1  線性分類器
    2.4.2  線性可分的情況
    2.4.3  線性不可分的情況
    2.4.4  核映射與核函數
    2.4.5  SMO演算法
    2.4.6  多分類問題
  2.5  貝葉斯分類器
    2.5.1  貝葉斯決策
    2.5.2  樸素貝葉斯分類器
    2.5.3  正態貝葉斯分類器
  2.6  KNN演算法
    2.6.1  基本概念
    2.6.2  預測演算法
    2.6.3  距離定義
  2.7  隨機森林
    2.7.1  隨機抽樣
    2.7.2  Bagging演算法
    2.7.3  隨機森林演算法
  2.8  Boosting演算法
    2.8.1  AdaBoost演算法
    2.8.2  廣義加法模型
    2.8.3  實現細節問題
第3章  深度學習
  3.1  深度學習概述
  3.2  深度學習基礎
    3.2.1  BP神經網路
    3.2.2  受限Boltzmann機
  3.3  深度信念網路
    3.3.1  模型結構
    3.3.2  學習演算法
  3.4  卷積神經網路

    3.4.1  卷積層
    3.4.2  ReLU層
    3.4.3  池化層
    3.4.4  全連接層
    3.4.5  層與層之間的交織
  3.5  循環神經網路
    3.5.1  循環神經網路
    3.5.2  雙向循環神經網路
    3.5.3  多層循環神經網路
    3.5.4  回聲狀態網路
    3.5.5  長短期記憶網路
    3.5.6  門控循環單元
  3.6  生成對抗學習
  3.7  強化學習
    3.7.1  強化學習的組成部分
    3.7.2  馬爾可夫決策過程
    3.7.3  基於動態規劃的演算法
    3.7.4  蒙特卡洛演算法
    3.7.5  時序差分演算法
  3.8  遷移學習
第4章  大數據群智能優化演算法
  4.1  大數據處理的難點與群智能優化
    4.1.1  基於粒子群演算法的大數據分析
    4.1.2  基於蟻群演算法的大數據分析
    4.1.3  基於進化演算法的大數據分析
  4.2  遺傳演算法
    4.2.1  遺傳演算法原理
    4.2.2  常用術語簡介
    4.2.3  遺傳演算法的流程
  4.3  人工免疫系統
    4.3.1  一般免疫演算法
    4.3.2  克隆選擇演算法
    4.3.3  免疫網路演算法
    4.3.4  陰性選擇演算法
  4.4  蟻群演算法
    4.4.1  蟻群演算法的基本原理
    4.4.2  蟻群演算法的流程
    4.2.3  改進的蟻群演算法
  4.5  粒子群優化演算法
    4.5.1  粒子群優化演算法的基本原理
    4.5.2  粒子群優化演算法的流程
  4.6  差分進化演算法
    4.6.1  差分進化演算法原理
    4.6.2  差分進化演算法流程
第5章  大數據存儲
  5.1  Hadoop平台
    5.1.1  Hadoop的特性
    5.1.2  Hadoop生態系統
  5.2  分散式文件系統HDFS
    5.2.1  分散式文件系統

    5.2.2  HDFS的優缺點
    5.2.3  HDFS相關概念
    5.2.4  HDFS的體系結構
    5.2.5  HDFS的數據存儲
    5.2.6  HDFS的數據讀寫操作
  5.3  分散式資料庫HBase
    5.3.1  HBase與傳統關係資料庫的對比分析
    5.3.2  HBase數據模型
    5.3.3  HBase的實現原理
    5.3.4  HBase運行機制
  5.4  非關係型資料庫NoSQL
  5.4  NoSQL資料庫的特點
  5.4  NoSQL資料庫的類型
    5.4.3  BASE理論
第6章  大數據處理技術
  6.1  MapRecluee
    6.1.1  Map和Reduce函數
    6.1.2  MapReduce的工作流程
    6.1.3  Shuffle過程
  6.2  內存計算框架Spark
    6.2.1  Spark的特點
    6.2.2  SDark生態系統
    6.2.3  SDark運行架構
    6.2.4  RDD的設計與運行原理
    6.2.5  Spark SQL
  6.3  流計算
    6.3.1  流計算簡介
    6.3.2  流計算與Hadoop
    6.3.3  流計算處理流程
    6.3.4  流計算框架Storm
  6.4  圖計算
    6.4.1  圖計算簡介
    6.4.2  圖計算的應用場景
    6.4.3  Pregel圖計算模型
    6.4.4  Pregel的體系結構
第7章  風電大數據分析實例
  7.1  SCADA數據介紹
  7.2  SCADA數據預處理
    7.2.1  數據清洗
    7.2.2  數據重採樣和歸一化
  7.3  基於SCADA數據深度學習的短期風電功率預測模型構建
    7.3.1  模型框架
    7.3.2  基於小波包分解演算法的SCADA數據去噪
    7.3.3  基於最大互信息係數的特徵選擇
    7.3.4  基於門控循環單元深度學習網路的風電功率預測模型
    7.3.5  風電功率預測評價指標
    7.3.6  演算法流程
  7.4  實驗過程介紹
    7.4.1  數據準備
    7.4.2  數據預處理

    7.4.3  小波包演算法去噪與特徵選擇
    7.4.4  對比方法與參數設置
    7.4.5  訓練過程與收斂分析
    7.4.6  結果分析
    7.4.7  多步驗證
第8章  城市供水量預測系統大數據分析實例
  8.1  城市供水量預測
    8.1.1  供水量預測的概念
    8.1.2  供水量預測步驟
    8.1.3  預測誤差評價指標
  8.2  基於連續深度信念神經網路的城市日供水量預測
    8.2.1  連續深度信念神經網路
    8.2.2  建模過程
    8.2.3  預測結果
  8.3  城市供水量預測雲平台的實現
    8.3.1  系統需求分析
    8.3.2  系統結構設計
    8.3.3  系統工作流程
    8.3.4  MATLAB演算法在Hadoop平台上的實現
  8.4  系統應用實例
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