数据流分类
￥ 170.75 ￥ 49 九五品
仅1件
北京通州
认证卖家担保交易快速发货售后保障
作者胡学钢 李培培 张玉红 吴信东
出版社清华大学出版社
ISBN9787302405993
出版时间2016-01
版次1
装帧平装
开本16开
纸张胶版纸
定价49元
上书时间2024-05-18
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:数据流分类
定价：49.00元
作者:胡学钢 李培培 张玉红 吴信东
出版社：清华大学出版社
出版日期：2016-01-01
ISBN：9787302405993
字数：
页码：
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
本书具有系统性、专题性的特点。涉及的研究内容深入，在阐述数据流分类问题的基础理论、技术方法以及应用实践的基础上，就数据流中若干重要科学问题设计了一系列的研究方案，同时，归纳总结了此领域的八大开放性问题。结合实际应用案例，提出了数据流挖掘相关问题的独到见解。本书兼顾学术研究与实验应用开发。既可指导初学者的研究入门，又可为具有一定基础的研究者提供讨论的素材。相关代码的公开增添了数据流分类任务的开源资源，提供了更多可利用的实验资源。
内容提要
本书阐述了数据流分类问题的基础理论、技术方法以及应用实践，为面向实际数据流开展分类数据挖掘任务提供了理论与实践基础。全书共分四篇12章。篇是引言篇，本篇首先简介数据挖掘的相关概念，然后介绍数据流挖掘的相关定义、应用背景及理论基础与技术，最后重点总结数据流分类挖掘的主要研究进展并归纳了存在的关键问题；第二篇是基础篇，本篇主要阐述了分类挖掘任务中常用的模型与技术，为后续数据流分类方法提供技术基础；第三篇是专题篇： 本篇首先总结分析适宜于数据流环境的几种集成模型，并通过两个示例讲解了基于加权集成模型的数据流分类算法的应用。然后详细介绍若干数据流的概念漂移检测与分类方法、不完全标记数据流分类方法以及面向实际应用数据的特征选择方法，并通过在模拟与实际数据上的大量实验考察了这些方法的分类性能；第四篇是实验资源篇，本篇首先介绍数据流分类算法实验工具ETDSv1.0 的功能与用户使用说明，然后归纳总结目前流行的面向数据流环境的实验平台以及在数据流分类任务中常用的数据集。
目录
章数据挖掘31.1KDD定义和过程31.2数据挖掘的概念和任务51.3数据挖掘中的十大算法61.3.1C4.5算法61.3.2kMeans算法61.3.3SVM算法71.3.4Apriori算法81.3.5EM算法81.3.6PageRank算法91.3.7AdaBoost算法91.3.8kNN算法101.3.9Naive Bayes算法101.3.10CART算法111.4数据挖掘中的应用热点111.5小结12参考文献13第2章数据流挖掘152.1背景152.2数据流的应用领域及定义162.3数据流处理的理论基础与挖掘技术172.3.1基于数据的方法182.3.2基于任务的方法192.4数据流挖掘的挑战与任务192.4.1传统数据挖掘面临的挑战202.4.2数据流挖掘的挑战212.4.3数据流的挖掘任务222.5小结25目录数据流分类参考文献25第3章数据流分类的关键研究问题283.1引言283.2概念描述模型与大纲数据提取问题293.2.1概念描述模型293.2.2数据流大纲的提取方法与策略303.3数据流的概念漂移检测问题313.3.1概念漂移的基础知识313.3.2概念漂移的处理方法333.3.3研究进展353.3.4技术方案373.4噪音数据流问题383.4.1问题描述383.4.2研究进展与技术方案393.5数据分布不平衡问题393.5.1问题描述393.5.2不平衡数据分布的处理方法413.5.3研究进展443.5.4技术方案453.6不完全标记数据流分类问题453.6.1问题描述453.6.2不完全标记数据的处理方法463.6.3研究进展473.6.4技术方案483.7数据流的特征高维稀疏问题503.7.1问题描述503.7.2研究进展与技术方案503.8数据流分类的评价体系513.8.1问题描述513.8.2概念漂移检测方法的评估指标523.8.3数据流分类评估方法523.8.4设计方案533.9本章小结53参考文献54基础篇第4章分类模型与方法654.1分类的基本知识654.2分类模型的评估方法654.3决策树模型664.3.1传统的决策树模型664.3.2随机决策树模型704.4Bayes模型734.4.1贝叶斯分类的一般原理734.4.2常见的贝叶斯分类模型744.5其他分类模型774.5.1神经网络774.5.2概念格774.5.3粗糙集合794.6集成方法824.6.1集成分类的基本知识824.6.2经典的集成分类方法83参考文献84第5章特征选择885.1研究背景及意义885.2特征选择概述905.2.1特征选择的相关概念905.2.2特征选择的过程915.2.3特征选择的分类955.3经典特征选择方法概述975.3.1Relief方法985.3.2信息熵方法985.3.3粗糙集合方法995.3.4遗传算法1005.3.5OneR方法1015.3.6LARS算法1025.4特征选择面临的挑战104参考文献104专题篇第6章数据流的集成分类方法研究1116.1引言1116.2数据流分类的集成策略1116.2.1WE集成方法1126.2.2AP集成方法1136.2.3WE与AP混合集成方法1136.2.4基于WE的混合集成方法1146.3基于决策树模型的集成分类方法1226.3.1基于UFFT的集成分类方法1236.3.2基于随机决策树的集成分类方法1306.4本章小结148参考文献149第7章数据流中概念漂移检测与分类问题研究1527.1引言1527.2基于增量式决策树的数据流概念漂移检测与分类方法1537.2.1CVFDT系列数据流概念漂移检测与分类方法1537.2.2RDT系列数据流概念漂移检测与分类方法1577.3面向不同漂移特征的概念漂移数据流分类算法1587.3.1基于C4.5和Naive Bayes混合模型的概念漂移数据流分类算法1587.3.2基于变体RDT模型的概念漂移数据流检测与分类方法1657.3.3CDRDT算法: 一种快速的数据流概念漂移检测与分类算法1757.3.4基于双层窗口的概念漂移数据流分类算法1907.4本章小结198参考文献198第8章不完全标记数据流分类问题研究2058.1引言2058.2不完全标记数据流的处理技术2068.2.1基于kMeans与增量式决策树的模型2078.2.2基于kModes与增量式决策树的模型2138.3不完全标记数据流中的概念漂移检测2198.3.1研究现状2208.3.2基于聚类概念簇差异的概念漂移检测机制2228.3.3实验结果与分析2278.4不完全标记数据流中的重现概念漂移检测2298.4.1研究现状2298.4.2基于聚类概念簇差异的重复再现概念检测机制2318.4.3实验结果与分析2348.5算法框架与实验分析2378.5.1SUN算法框架2378.5.2SUN算法的实验结果与分析2388.5.3REDLLA算法框架2408.5.4REDLLA算法的实验结果与分析2418.6不完全标记数据流分类任务中的开放性问题2458.7本章小结246参考文献246第9章面向应用数据的特征降维方法研究2519.1引言2519.2文本分类中的特征降维2529.2.1经典文本特征降维算法2549.2.2基于语义信息的特征降维方法2579.3基于本体的特征降维算法2619.3.1相关定义2619.3.2算法框架2639.3.3算法技术细节2649.3.4实验结果与分析2669.4基于迭代Lasso的肿瘤分类信息基因选择方法2789.4.1引言2789.4.2方法 GSIL系统框架2809.4.3实验结果与分析2849.4.4小结2919.5流环境下实时的特征降维方法2919.5.1引言2919.5.2IV指标定义2939.5.3基于IV指标的特征选择方法FSIV2969.5.4FSIV的实验结果及分析2979.5.5FSIV在入侵检测数据流中的应用3009.5.6FSIV在网络交易数据流中的应用3039.6本章小结305参考文献306实验资源篇0章数据流分类算法实验工具包ETDSv1.031510.1引言31510.2软件的配置、运行与功能31610.2.1软件的配置与运行31610.2.2软件功能31710.3数据生成器31810.3.1视图界面中数据生成器主菜单31910.3.2数据库两大生成器菜单功能介绍31910.4SRMTDS算法32210.4.1SRMTDS算法参数设定菜单32210.4.2SRMTDS算法特征数据库读取与算法运行菜单32610.5SRMTCD（MSRT）算法32810.5.1SRMTCD(MSRT)算法参数设定菜单32810.5.2SRMTCD(MSRT)算法特征数据库读取与算法运行菜单33110.6EDT算法33310.6.1EDT算法参数设定菜单33410.6.2EDT算法特征数据库读取与算法运行菜单33710.7EDTC算法34010.7.1EDTC算法参数设定菜单34010.7.2EDTC算法特征数据库读取与算法运行菜单34210.8CDRDT算法34510.8.1CDRDT算法参数设定菜单34510.8.2CDRDT算法特征数据库读取与算法运行菜单34710.9DWCDS算法34910.9.1DWCDS算法参数设定菜单34910.9.2DWCDS算法特征数据库读取与算法运行菜单351说10.10附录35310.10.1数据流实验工具算法布局图35310.10.2数据流分类算法运行流程图3531章经典的数据流分类算法实验工具35511.1VFML355 11.1.1VFDTc算法35511.1.2CVFDT算法35811.2MOA36411.2.1MOA的界面操作36511.2.2MOA命令行使用方法375参考文献3772章数据流分类算法常用的实验数据集37812.1非概念漂移数据流37812.1.1合成数据集37812.1.2真实数据集37812.2概念漂移数据集37912.2.1合成数据集37912.2.2真实数据集381参考文献384
作者介绍
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价