返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 大数据挖掘的原理与方法——基于粒计算与粗糙集的视角 李天瑞 等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 李天瑞(等)著
    • 出版社: 科学出版社
    • 出版时间:2016-06-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 李天瑞(等)著
    • 出版社:科学出版社
    • 出版时间:2016-06-01 00:00:00
    • 版次:19
    • 字数:300000
    • 页数:192
    • 开本:B5
    • 装帧:平装
    • ISBN:9787030483683
    • 国别/地区:中国
    • 版权提供:科学出版社

    大数据挖掘的原理与方法——基于粒计算与粗糙集的视角

    作  者:李天瑞 等 著
    定  价:109
    出 版 社:科学出版社
    出版日期:2016年06月01日
    页  数:192
    装  帧:平装
    ISBN:9787030483683
    主编推荐

    内容简介

    现代信息社会已经迈入大数据时代,但大数据给人们带来了的挑战,如何有效地从动态变化,结构化、半结构化和非结构化等多模态数据共存的大数据中进行高效实时的数据挖掘并发现有价值知识已成为当前信息科学领域亟待解决的问题。本书针对大数据呈现的体量巨大、多源异构、动态性和不确定性等特点,以粒计算理论为基础,以典型粗糙集模型为对象,以增量学习技术为手段,以云计算并行框架为支撑平台,构建大数据分析与挖掘的原理和方法及其算法,并融入了相关领域学者在动态知识发现、数据融合和大数据并行处理等成果,力图展现基于粒计算和粗糙集视角处理大数据的进展。本书可供计算机科学与技术、智能科学与技术、软件工程、自动化、控制科学与工程、管理科学与工程和应用数学等专业的教师、研究生、高年级本科生和科研技术人员参考。

    作者简介

    精彩内容

    目录
    第1章绪论1
    1.1大数据及其挖掘技术1
    1.2粒计算理论6
    1.3粗糙集理论8
    1.4基于粒计算与粗糙集的数据挖掘11
    1.4.1面向海量数据的数据挖掘11
    1.4.2面向动态数据的数据挖掘12
    1.4.3面向复杂数据的数据挖掘14
    1.5本章小结15
    第2章预备知识16
    2.1经典粗糙集模型16
    2.2面向复杂数据的扩展粗糙集模型18
    2.2.1邻域粗糙集模型18
    2.2.2集值粗糙集模型20
    2.2.3不完备粗糙集模型20
    2.3面向有噪声数据的概率粗糙集模型22
    2.3.10.5概率粗糙集模型22
    2.3.2决策粗糙集模型23
    2.3.3变精度粗糙集模型23
    2.4属性约简24
    2.4.1属性约简的基本框架24
    2.4.2启发式属性约简25
    2.4.3不协调属性约简29
    2.5粒度度量31
    2.6本章小结32
    第3章并行大规模特征选择33
    3.1并行特征提取方法33
    3.1.1模型并行方法33
    3.1.2数据并行方法34
    3.1.3模型-数据并行方法35
    3.2并行特征提取算法35
    3.2.1评价函数的统一表示36
    3.2.2评价函数的分治方法36
    3.2.3基于MapReduce的并行属性约简算法39
    3.2.4基于Spark的并行属性约简算法43
    3.2.5基于粒计算的并行属性约简加速算法44
    3.3实验分析46
    3.3.1数据集和实验平台47
    3.3.2与串行算法的对比47
    3.3.3不同并行算法的对比51
    3.3.4高维数据上的表现52
    3.3.5天文大数据上的应用53
    3.4本章小结54
    第4章近似集动态更新55
    4.1知识粒度的变化性质55
    4.2基于粒的近似集增量更新方法57
    4.2.1等价类特征矩阵58
    4.2.2等价类特征矩阵更新原理59
    4.2.3基于粒的近似集更新算法61
    4.3算例64
    4.4算法复杂度分析68
    4.5实验方案及性能分析68
    4.5.1实验方案68
    4.5.2实验结果69
    4.6本章小结74
    第5章规则动态更新76
    5.1等价类的向量和矩阵表示76
    5.2等价类的泛化决策性质77
    5.3基于最小辨识属性集的约简生成78
    5.3.1最小辨识属性集及其生成算法78
    5.3.2属性重要度矩阵80
    5.3.3约简的生成81
    5.3.4算例82
    5.4属性值粗化细化的定义及性质84
    5.4.1属性值粗化细化的定义84
    5.4.2决策信息系统的动态性质85
    5.4.3决策规则的动态性质87
    5.5属性值粗化时规则更新原理及算法92
    5.5.1属性值粗化时规则更新原理92
    5.5.2属性值粗化时规则更新算法95
    5.5.3算例97
    5.6属性值细化时规则更新原理及算法99
    5.6.1属性值细化时规则更新原理99
    5.6.2属性值细化时规则更新算法102
    5.6.3算例104
    5.7算法复杂度分析106
    5.8实验方案及性能比较109
    5.8.1实验方案109
    5.8.2实验结果110
    5.9本章小结113
    第6章面向缺失数据的动态概率粗糙集方法114
    6.1面向缺失数据的概率粗糙集模型115
    6.2面向对象更新的动态概率粗糙集方法115
    6.2.1条件概率的增量估计策略115
    6.2.2概率粗糙近似集的增量更新方法121
    6.3算法设计与分析123
    6.4算例128
    6.5实验方案与性能分析130
    6.5.1实验方案131
    6.5.2性能分析132
    6.6本章小结139
    第7章复杂数据融合与高效学习算法141
    7.1复合粗糙集模型141
    7.2近似集的矩阵表示方法144
    7.2.1基于矩阵运算的近似集构造方法144
    7.2.2基于布尔矩阵的近似集表示方法146
    7.2.3基于布尔矩阵的近似集计算方法147
    7.3算法设计与复杂度分析148
    7.3.1基于布尔矩阵的近似集计算算法148
    7.3.2基于矩阵的近似集计算的批处理算法149
    7.4近似集的多核并行计算方法150
    7.4.1近似集的并行计算方法151
    7.4.2GPU架构与CUDA152
    7.4.3基于Single-GPU的近似集计算算法154
    7.4.4基于Multi-GPU的近似集计算算法155
    7.5实验分析157
    7.5.1实验设置157
    7.5.2批处理算法的性能158
    7.5.3GPU算法的性能159
    7.5.4Multi-GPU算法的性能161
    7.6本章小结163
    参考文献164

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购