大数据算法设计与分析
￥ 24.58 3.5折 ￥ 69.9 九五品
仅1件
作者李建中
出版社清华大学出版社
ISBN9787302602408
出版时间2022-05
版次1
装帧平装
开本16开
纸张胶版纸
页数384页
字数99999千字
定价69.9元
上书时间2024-05-06
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:大数据算法设计与分析
定价：69.90元
作者:李建中
出版社：清华大学出版社
出版日期：2022-05-01
ISBN：9787302602408
字数：571000
页码：384
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
《大数据算法设计与分析》以大数据基础研究与大数据应用为背景，以大数据算法设计与分析方法学为主线，以多个重要大数据计算问题为例，全面、系统、深入地介绍大数据算法设计与分析的原理与方法。? 著作的内容包括大数据算法方面的新和最重要研究成果，全面反映大数据算法研究的新进展。? 著作注重理论与实际相结合，以具有实际应用背景的大数据计算问题为例，既细致地介绍其求解算法的设计方法，又对算法的正确属性和复杂性进行精致的理论分析，使得读者不仅掌握求解重要大数据计算问题的大数据算法的设计和分析方法，同时建立坚实的大数据算法设计与分析的基础理论，不但具有解决实际应用领域的大数据问题的求解算法的设计和分析能力，也具有从事大数据算法设计与分析的基础研究的创新能力。? 著作既能够满足大数据基础研究者和应用开发者的需要，也能满足数据科学与大数据技术专业研究生的教学需要，还能通过适当内容选择满足数据科学与大数据技术专业本科生的教学需要。
内容提要
《大数据算法设计与分析》以大数据为背景，以求解大数据计算问题的计算方法（即亚线性时间计算方法、压缩计算方法、抽样计算方法、增量式计算方法、分布式并行计算方法）为主线，系统地介绍大数据计算问题求解算法的设计与分析的理论与方法，主要包括: 大数据计算问题的复杂性分类、大数据计算问题的亚线性时间求解算法的设计与分析方法、基于抽样的大数据计算问题的求解算法的设计与分析方法、基于数据压缩的大数据计算问题的求解算法的设计与分析方法、大数据计算问题的增量式求解算法的设计与分析方法、大数据计算问题的分布式并行求解算法的设计与分析方法。本书以作者在大数据计算方面的研究成果为主，也覆盖了大数据算法研究领域的部分新研究成果。本书可以作为高等学校数据科学与大数据技术专业和计算机科学与技术专业高年级本科生或研究生的大数据算法课程的教材，也可以作为大数据研究人员的参考书。
目录
章绪论11.1大数据、大数据算法与大数据计算21.2大数据计算的挑战和研究问题31.2.1大数据计算的挑战31.2.2大数据计算的研究问题61.3大数据计算复杂性理论和算法的研究进展71.3.1大数据计算复杂性理论的研究进展71.3.2大数据算法设计方法的研究进展101.3.3大数据计算问题求解算法的研究进展121.4本章参考文献171.4.1本章参考文献注释171.4.2本章参考文献列表17第2章大数据计算问题的复杂性262.1随机存取图灵机262.1.1确定随机存取图灵机262.1.2通用随机存取图灵机292.2大数据计算问题的复杂性与分类332.2.1大数据计算问题的复杂性332.2.2单纯易解性大数据计算问题类352.2.3伪易解性大数据计算问题类392.3归约与大数据计算问题的完全性412.3.1DLOGTIME归约412.3.2大数据计算问题的完全性442.4本章参考文献442.4.1本章参考文献注释442.4.2本章参考文献列表45〖1〗〖1〗第3章大数据的亚线性时间计算方法463.1亚线性时间算法基础463.1.1亚线性时间算法的基本概念463.1.2数学基础503.2单纯亚线性时间精确算法543.2.1后继搜索算法543.2.2德洛奈三角剖分中的点定位算法563.3伪亚线性时间精确算法623.3.1Skyline问题的求解算法623.3.2Topk支配集问题的求解算法663.4亚线性时间近似算法753.4.1最小生成树代价近似求解算法763.4.2数据不一致性近似评估算法833.4.3欧几里得空间中最近邻近似求解算法913.5本章参考文献1023.5.1本章参考文献注释1023.5.2本章参考文献列表103第4章大数据的抽样计算方法1054.1抽样计算方法概述1054.2图的平均参数估计算法1064.2.1预备知识1064.2.2平均度求解算法1084.2.3平均单源距离求解算法1134.2.4平均顶点距离求解算法1154.3无线传感网感知数据聚集算法1184.3.1预备知识1184.3.2基于均匀抽样的近似聚集算法1214.3.3基于伯努利抽样的近似聚集算法1374.4度量空间上的聚类算法1484.4.1聚类问题的定义1484.4.2O(n4.77)时间8近似算法1494.4.3时间复杂性独立于输入大小的近似算法1624.5本章参考文献1714.5.1本章参考文献注释1714.5.2本章参考文献列表172第5章大数据的压缩计算方法1735.1压缩计算方法概述1735.2数据压缩方法1755.2.1数据编码方法1765.2.2Header压缩方法1795.2.3多维数据压缩方法1845.2.4哈夫曼编码方法1865.3压缩数据上的转置算法1905.3.1问题定义1905.3.2算法设计1915.3.3算法分析1925.4压缩数据上的聚集算法1945.4.1问题定义1945.4.2通用聚集算法1955.4.3一遍扫描聚集算法1995.4.4公共前缀聚集算法2005.4.5公共中缀聚集算法2035.4.6纯前缀聚集算法2065.5压缩数据上的Cube算法2075.5.1数据压缩和问题定义2075.5.2算法设计2085.5.3算法分析2205.6压缩图上的可达性判定算法2245.6.1问题定义2245.6.2图压缩方法2255.6.3算法设计2275.6.4算法分析2285.7压缩图上的图模式匹配算法2295.7.1问题定义2295.7.2图压缩方法2305.7.3算法设计2355.7.4算法分析2355.8本章参考文献2365.8.1本章参考文献注释2365.8.2本章参考文献列表237第6章大数据的增量式计算方法2386.1增量式计算方法概述2386.2增量式图模拟匹配算法2416.2.1问题定义2416.2.2图模拟匹配问题的批量求解算法2466.2.3增量式常规图模拟匹配算法2516.2.4增量式有界图模拟匹配算法2606.3增量式数据不一致性检测算法2666.3.1问题定义2666.3.2基于数据垂直划分的检测算法2706.3.3基于数据水平划分的检测算法2746.4增量式数据流查询处理算法2786.4.1问题定义2786.4.2Inc3Agg类算法2806.4.3Inc5Agg类算法2826.5增量式数据流近似频繁项挖掘算法2866.5.1问题定义2876.5.2算法设计2876.5.3算法的正确性与误差分析2896.5.4算法的复杂性分析2906.6增量式物化数据库视图维护算法2906.6.1问题定义2906.6.2问题的固有时间复杂性2916.6.3算法设计2966.6.4算法分析2976.7本章参考文献2996.7.1本章参考文献注释2996.7.2本章参考文献列表300第7章大数据的分布式并行计算方法3017.1并行计算的基本概念3017.1.1并行计算系统结构3017.1.2并行算法及其复杂性分析3067.2大数据的分布式存储方法3087.2.1一维分布式存储方法3087.2.2多维分布式存储方法3117.2.3分布式Grid文件3167.2.4分布式并行B树3247.3分布式并行排序算法3307.3.1基于合并操作的分布式并行排序算法3317.3.2基于比较交换的分布式并行排序算法3337.3.3基于数据划分的分布式并行排序算法3357.4集合操作的分布式并行算法3387.4.1集合并的分布式并行算法3387.4.2集合交的分布式并行算法3397.4.3集合差的分布式并行算法3407.5关系代数操作的分布式并行算法3417.5.1选择操作的分布式并行算法3417.5.2投影操作的分布式并行算法3447.5.3连接操作的分布式并行算法3467.6基于CMD的连接操作的分布式并行连接算法3517.6.1基本概念3517.6.2算法CMDJoinHash3537.6.3算法CMDJoinSortMerge3547.6.4算法CMDJoinNestedLoop3567.7基于并行B树的连接操作的分布式并行算法3577.7.1预备知识3577.7.2基于Range分布方法的并行B树连接算法3577.7.3基于Hash分布方法的并行B树连接算法3627.8本章参考文献3647.8.1本章参考文献注释3647.8.2本章参考文献列表365
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价