数据流知识发现
内容简介
[
面对“人们被数据淹没，却饥渴于知识”的挑战，数据挖掘和知识发现技术应运而生，并得以蓬勃发展。《数据流知识发现》全面介绍了数据流知识发现相关领域的研究内容，涵盖了五个主题：海量知识发现平台架构分析、数据流关联规则知识挖掘、数据流分类知识挖掘、数据流聚类知识挖掘以及数据流序列知识挖掘。 《数据流知识发现》可作为高等学校计算机专业的高年级本科生教材或研究生的教材，也可作为从事数据挖掘方面研究工作的科技工作者的参考资料。
]
目录
1 绪论1．1 什么是知识发现1．2 知识发现的过程1．3 新型数据流应用1．4 数据流定义及特点1．5 数据流知识发现1．5．1 数据流频繁模式挖掘1．5．2 数据流分类研究1．5．3 数据流聚类1．5．4 数据流离群点检测1．5．5 数据流时序数据分析1．6 海量数据管理与并行及分布式计算1．7 小结2 海量数据管理的关键技术2．1 海量数据硬件平台模型2．1．1 并行计算机体系结构2．1．2 集群并行计算系统2．1．3 虚拟化及云2．2 海量数据系统模型2．2．1 Hadoop框架2．2．2 Google Filc System-GFS2．2．3 Memcached2．2．4 SimpleDB2．3 海量数据计算的基本算法2．3．1 Map／Reduce2．3．2 BigTable2．3．3 NFS2．3．4 AFS2．4 传统海量数据管理技术2．4．1 并行数据划分2．4．2 并行事务调度N．4．3 并行事务并发控制算法2．5 数据流管理系统2．5．1 STREAM2．5．2 Aurora2．5．3 Medusa2．5．4 Borealis2．5．5 其他2．6 基于CPU和GPU的并行计算2．6．1 并行计算机和模型2．6．2 MPI+OpenMP混合模型2．6．3 基于GPU的并行计算模型2．6．4 基于CUDA的并行计算模型2．6．5 并行数据流分析2．7 小结3 数据流关联规则发现3．1 关联规则挖掘概述3．2 关联规则挖掘典型算法分析3．2．1 基于规则中涉及的数据维数的挖掘算法3．2．2 基于规则中涉及的抽象层次的挖掘算法3．2．3 按变量类别不同而确定的挖掘算法3．3 数据流上频集挖掘核心问题3．3．1 概要数据处理方法3．3．2 滑动窗口处理模型3．3．3 挖掘算法分类3．3．4 挖掘任务分类3．4 基于前缀树的频繁闭项集挖掘PFIT算法3．4．1 问题描述3．4．2 前缀树结构描述3．4．3 构建前缀树3．4．4 挖掘前缀树3．4．5 实验3．5 高效益项集挖掘算法FHUI-Growth3．5．1 关联规则效益度的定义及性质3．5．2 一种快速挖掘高效益项集的算法3．5．3 实验3．6 基于概念格的关联规则挖掘算法3．7 小结4 数据流分类知识发现4．1 数据分类模型与方法4．1．1 数据流单分类器算法4．1．2 数据流集成分类器算法4．2 基于隐马尔可夫模型的流数据分类算法4．2．1 基于隐马尔可夫模型的流数据分类算法4．2．2 马尔可夫链4．2．3 隐马尔可夫模型4．3 基于隐马尔可夫模型的流数据分类算法4．3．1 训练样本优化4．3．2 HMM_SDC算法4．3．3 实验4．3．4 结论4．4 小结5 数据流聚类挖掘5．1 引言5．2 聚类分析5．2．1 相关概念5．2．2 聚类分析中的数据类型5．2．3 主要聚类分析方法分类5．2．4 常见聚类分析方法的分析5．3 数据流聚类算法（methods and algorithms）5．3．1 STREAM算法5．3．2 CluStream算法框架5．3．3 HPStream算法框架5．3．4 E-Stream算法5．3．5 DenStrearn算法5．3．6 D-Stream算法5．3．7 CFR算法5．4 数据流滤波问题研究5．4．1 受系统参数影响的状态空间模型5．4．2 *小距离设计方法5．4．3 SSUKF-JSIMM算法思想5．4．4 SSUKF-JSIMM算法步骤5．4．5 仿真实验5．5 研究主题5．5．1 一般性主题5．5．2 面向具体应用领域的问题5．6 小结6 时序和序列数据流挖掘6．1 时间序列及其应用6．2 时间序列预测的常用方法6．3 时间序列的相似性搜索6．3．1 基于ARMA模型的时间序列相似性搜索6．3．2 基于离散傅里叶变换的时间序列相似性查找6．3．3 基于规范变换的查找方法6．4 序列模式挖掘简介6．5 序列模式挖掘算法6．5．1 Apriori算法6．5．2 基于划分的模式生长算法6．5．3 基于序列比较的算法6．6 支持约束的序列模式挖掘6．6．1 约束的分类6．6．2 支持约束的序列模式挖掘算法6．7 周期模式挖掘6．8 增量式序列模式挖掘6．9 序列模式挖掘算法的比较分析6．9．1 算法的定性比较6．9．2 算法的时间和空间执行效率比较6．9．3 算法适用范围分析6．10 序列挖掘在生物信息领域的应用6．10．1 蛋白质功能的计算方法简介6．10．2 一种改进的蛋白质功能预测方法PP_WNP[36]6．10．3 实验结果分析6．10．4 结论6．11 小结
封面
书名:数据流知识发现
作者:潘怡
页数:210页
定价:¥48.0
出版社:华中科技大学出版社
出版日期:2016-12-01
ISBN:9787568005272
PDF电子书大小:133MB 高清扫描完整版