地球科學(xué)中的大數(shù)據(jù)分析與挖掘算法手冊(cè)

定　價(jià)：￥149.00

作　者：	李國(guó)慶，劉瑩，龐祿申等著
出版社：	人民郵電出版社
叢編項(xiàng)：	國(guó)之重器出版工程
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787115478559	出版時(shí)間：	2018-08-01	包裝：	平裝
開(kāi)本：	小16開(kāi)	頁(yè)數(shù)：	290	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)以數(shù)據(jù)分析與挖掘思想為主線，深入剖析關(guān)聯(lián)、分類、回歸、聚類、順序模式挖掘、深度學(xué)習(xí)以及異常檢測(cè)等算法的原理、實(shí)現(xiàn)、相似算法、改進(jìn)思路以及地學(xué)案例，具有很強(qiáng)的系統(tǒng)性、完整性以及落地性，可以作為各行業(yè)特別是地球科學(xué)領(lǐng)域中希望駕馭大數(shù)據(jù)并發(fā)掘其價(jià)值的科研人員和工程人員的參考書(shū)，讀者既可以通過(guò)本書(shū)系統(tǒng)掌握大數(shù)據(jù)分析挖掘的思想方法，也可以將其作為算法工具書(shū)查閱。

作者簡(jiǎn)介

　　對(duì)地觀測(cè)和數(shù)字地球科學(xué)中心數(shù)據(jù)技術(shù)部主任。主要研究方向?yàn)楦咝阅艿貙W(xué)計(jì)算、網(wǎng)絡(luò)化數(shù)據(jù)工程，承研項(xiàng)目40多項(xiàng)，在研項(xiàng)目6項(xiàng)，發(fā)表論文70多篇。IEEE和中國(guó)計(jì)算機(jī)學(xué)會(huì)的高級(jí)會(huì)員，中國(guó)計(jì)算機(jī)學(xué)會(huì)高性能計(jì)算專業(yè)委員會(huì)理事和中國(guó)軟件協(xié)會(huì)數(shù)學(xué)軟件分會(huì)理事。長(zhǎng)期參與相關(guān)國(guó)際組織的工作，曾任國(guó)際對(duì)地觀測(cè)衛(wèi)星委員會(huì)（CEOS）網(wǎng)格任務(wù)組主席和應(yīng)用工作組副主席、現(xiàn)任國(guó)際數(shù)據(jù)系統(tǒng)（WDS）科學(xué)委員會(huì)委員、國(guó)際科學(xué)數(shù)據(jù)委員會(huì)（CODATA）“災(zāi)害數(shù)據(jù)開(kāi)放和互聯(lián)”工作組主席，同時(shí)擔(dān)任國(guó)際科聯(lián)（ICSU）中國(guó)專家委員會(huì)、國(guó)際災(zāi)害風(fēng)險(xiǎn)集成研究計(jì)劃（IRDR）中國(guó)專家委員會(huì)、國(guó)家綜合地球觀測(cè)組織（GEO）中國(guó)專家委員會(huì)的主要成員。

圖書(shū)目錄

目錄
第　1章關(guān)聯(lián)規(guī)則　001
1．1　Apriori算法　002
1．1．1　算法概要　002
1．1．2　算法原理　002
1．1．3　實(shí)例說(shuō)明　004
1．1．4　算法優(yōu)缺點(diǎn)　010
1．1．5　優(yōu)化改進(jìn)　010
1．1．6　大數(shù)據(jù)適應(yīng)度分析　012
1．1．7　地球科學(xué)應(yīng)用案例　013
1．2　FP-growth算法　015
1．2．1　算法概要　015
1．2．2　算法原理　015
1．2．3　實(shí)例說(shuō)明　017
1．2．4　優(yōu)化改進(jìn)　019
1．2．5　大數(shù)據(jù)適應(yīng)度分析　021
1．2．6　地球科學(xué)應(yīng)用案例　024
參考文獻(xiàn)　026
第　2章分類　027
2．1　決策樹(shù)算法　028
2．1．1　算法概要　028
2．1．2　算法原理　028
2．1．3　算法優(yōu)缺點(diǎn)　031
2．1．4　優(yōu)化改進(jìn)　032
2．1．5　決策樹(shù)衍生算法　033
2．1．6　大數(shù)據(jù)適應(yīng)度分析　035
2．1．7　地球科學(xué)應(yīng)用案例　037
2．2　貝葉斯分類算法　038
2．2．1　算法概要　038
2．2．2　算法原理　038
2．2．3　實(shí)例說(shuō)明　040
2．2．4　算法優(yōu)缺點(diǎn)　042
2．2．5　優(yōu)化改進(jìn)　042
2．2．6　大數(shù)據(jù)適應(yīng)度分析　045
2．2．7　地球科學(xué)應(yīng)用案例　046
2．3　神經(jīng)網(wǎng)絡(luò)分類算法　047
2．3．1　算法概要　047
2．3．2　算法原理　047
2．3．3　算法優(yōu)缺點(diǎn)　051
2．3．4　優(yōu)化改進(jìn)　052
2．3．5　大數(shù)據(jù)適應(yīng)度分析　053
2．3．6　地球科學(xué)應(yīng)用案例　053
2．4　粗糙集分類　055
2．4．1　算法概要　055
2．4．2　算法原理　055
2．4．3　實(shí)例說(shuō)明　062
2．4．4　算法優(yōu)缺點(diǎn)　064
2．4．5　優(yōu)化改進(jìn)　064
2．4．6　大數(shù)據(jù)適應(yīng)度分析　065
2．4．7　地球科學(xué)應(yīng)用案例　066
2．5　支持向量機(jī)　066
2．5．1　算法概要　066
2．5．2　算法原理　067
2．5．3　實(shí)例說(shuō)明　073
2．5．4　算法優(yōu)缺點(diǎn)　074
2．5．5　優(yōu)化改進(jìn)　074
2．5．6　大數(shù)據(jù)適應(yīng)度分析　076
2．5．7　地球科學(xué)應(yīng)用案例　077
2．6　K-最近鄰算法　078
2．6．1　算法概要　078
2．6．2　算法原理　078
2．6．3　算法優(yōu)缺點(diǎn)　080
2．6．4　優(yōu)化改進(jìn)　080
2．6．5　大數(shù)據(jù)適應(yīng)度分析　082
2．6．6　地球科學(xué)應(yīng)用案例　085
2．7　Bagging算法　086
2．7．1　算法概要　086
2．7．2　算法原理　087
2．7．3　實(shí)例說(shuō)明　090
2．7．4　優(yōu)化改進(jìn)　093
2．7．5　大數(shù)據(jù)適應(yīng)度分析　094
2．7．6　地球科學(xué)應(yīng)用案例　095
2．8　AdaBoost算法　096
2．8．1　算法概要　096
2．8．2　算法原理　097
2．8．3　訓(xùn)練過(guò)程　099
2．8．4　同類算法　100
2．8．5　大數(shù)據(jù)適應(yīng)度分析　103
2．8．6　地球科學(xué)應(yīng)用案例　103
參考文獻(xiàn)　105
第3章　回歸　115
3．1　線性回歸　116
3．1．1　算法概要　116
3．1．2　算法原理　116
3．1．3　實(shí)例說(shuō)明　119
3．1．4　算法優(yōu)缺點(diǎn)　120
3．1．5　優(yōu)化改進(jìn)　121
3．1．6　大數(shù)據(jù)適應(yīng)度分析　123
3．1．7　地球科學(xué)應(yīng)用案例　123
3．2　邏輯回歸　124
3．2．1　算法概要　124
3．2．2　算法原理　125
3．2．3　算法實(shí)現(xiàn)　127
3．2．4　SoftMax算法　129
3．2．5　大數(shù)據(jù)適應(yīng)度分析　129
3．2．6　地球科學(xué)應(yīng)用案例　130
參考文獻(xiàn)　131
第4章　聚類　133
4．1　K-means算法　134
4．1．1　算法概要　134
4．1．2　算法原理　134
4．1．3　實(shí)例說(shuō)明　135
4．1．4　算法優(yōu)缺點(diǎn)　138
4．1．5　優(yōu)化改進(jìn)　138
4．1．6　大數(shù)據(jù)適應(yīng)度分析　140
4．1．7　地球科學(xué)應(yīng)用案例　141
4．2　K-medoids算法　142
4．2．1　算法概要　142
4．2．2　算法原理　142
4．2．3　實(shí)例說(shuō)明　144
4．2．4　算法優(yōu)缺點(diǎn)　147
4．2．5　優(yōu)化改進(jìn)　148
4．2．6　大數(shù)據(jù)適應(yīng)度分析　149
4．2．7　地球科學(xué)應(yīng)用案例　149
4．3　層次聚類算法　151
4．3．1　算法概要　151
4．3．2　距離度量　151
4．3．3　算法流程　153
4．3．4　改進(jìn)優(yōu)化　154
4．3．5　大數(shù)據(jù)適應(yīng)度分析　158
4．3．6　地球科學(xué)應(yīng)用案例　159
4．4　基于密度的聚類算法　160
4．4．1　算法概要　160
4．4．2　算法原理　160
4．4．3　實(shí)例說(shuō)明　162
4．4．4　算法優(yōu)缺點(diǎn)　164
4．4．5　優(yōu)化改進(jìn)　165
4．4．6　大數(shù)據(jù)適應(yīng)度分析　166
4．4．7　地球科學(xué)應(yīng)用案例　167
4．5　基于網(wǎng)格的聚類算法　168
4．5．1　算法概要　168
4．5．2　STING　168
4．5．3　CLIQUE　170
4．5．4　優(yōu)化改進(jìn)　173
4．5．5　大數(shù)據(jù)適應(yīng)度分析　176
4．5．6　地球科學(xué)應(yīng)用案例　177
參考文獻(xiàn)　179
第5章　序列模式挖掘　183
5．1　GSP算法　184
5．1．1　算法概要　184
5．1．2　算法原理　184
5．1．3　實(shí)例說(shuō)明　189
5．1．4　算法優(yōu)缺點(diǎn)　191
5．1．5　GSP衍生算法　192
5．1．6　大數(shù)據(jù)適應(yīng)度分析　194
5．1．7　地球科學(xué)應(yīng)用案例　195
5．2　SPADE算法　196
5．2．1　算法概要　196
5．2．2　算法原理　197
5．2．3　實(shí)例說(shuō)明　203
5．2．4　算法優(yōu)缺點(diǎn)　206
5．2．5　優(yōu)化改進(jìn)　206
5．2．6　SPADE衍生算法　207
5．2．7　大數(shù)據(jù)適應(yīng)度分析　209
5．2．8　地球科學(xué)應(yīng)用案例　213
參考文獻(xiàn)　215
第6章　深度學(xué)習(xí)　217
6．1　深度信念網(wǎng)　218
6．1．1　算法概要　218
6．1．2　算法原理　219
6．1．3　優(yōu)化改進(jìn)　225
6．1．4　大數(shù)據(jù)適應(yīng)度分析　226
6．1．5　地球科學(xué)應(yīng)用案例　227
6．2　卷積神經(jīng)網(wǎng)絡(luò)　228
6．2．1　算法概要　228
6．2．2　算法原理　228
6．2．3　實(shí)例說(shuō)明　229
6．2．4　模型演化　231
6．2．5　優(yōu)化改進(jìn)　234
6．2．6　大數(shù)據(jù)適應(yīng)度分析　235
6．2．7　地球科學(xué)應(yīng)用案例　235
6．3　自動(dòng)編碼器算法　237
6．3．1　算法概要　237
6．3．2　算法原理　238
6．3．3　算法實(shí)現(xiàn)　240
6．3．4　衍生算法　241
6．3．5　優(yōu)化改進(jìn)　243
6．3．6　大數(shù)據(jù)適應(yīng)度分析　244
6．3．7　地球科學(xué)應(yīng)用案例　245
參考文獻(xiàn)　245
第7章　異常檢測(cè)　249
7．1　概述　250
7．2　基于統(tǒng)計(jì)的異常檢測(cè)算法　251
7．2．1　算法原理　251
7．2．2　典型算法　251
7．3　基于距離的方法　252
7．3．1　算法原理　252
7．3．2　典型算法　252
7．4　基于深度的異常檢測(cè)方法　256
7．4．1　算法原理　256
7．4．2　典型算法　257
7．5　基于密度的異常檢測(cè)算法　258
7．5．1　算法原理　258
7．5．2　典型算法　258
7．6　基于偏離的異常檢測(cè)算法　262
7．6．1　算法原理　262
7．6．2　典型算法　263
7．7　基于聚類的異常檢測(cè)算法　265
7．7．1　算法原理　265
7．7．2　典型算法　265
7．8　大數(shù)據(jù)適應(yīng)度分析　268
7．9　地球科學(xué)應(yīng)用案例　269
參考文獻(xiàn)　271
附錄A　軟件、源碼及開(kāi)發(fā)包　275