面向大数据聚类分析的CFS算法
全新正版 极速发货
￥ 29.7 4.4折 ￥ 68 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者卜范玉
出版社经济管理出版社
ISBN9787509680056
出版时间2022-09
装帧平装
开本16开
定价68元
货号1202760486
上书时间2024-06-02
商品详情
- 品相描述：全新
- 商品描述
-
目录
第一章 绪论
第一节 问题提出与研究意义
第二节 国内外相关研究进展
一、聚类算法概述
二、典型的聚类算法
三、聚类的有效性评价指标
第三节 本书主要内容
第四节 本书的组织安排
第二章 基于自适应Dropout模型的高阶CFS聚类算法
第一节 引言
第二节 异构数据聚类相关工作
第三节 问题描述
第四节 基于自适应Dropout模型的高阶CFS聚类算法整体框架
第五节 自适应Dropout模型
第六节 基于向量外积的特征关联
第七节 高阶CFS聚类算法
第八节 实验结果与分析
一、自适应Dropout模型实验结果与分析
二、高阶CFS聚类算法实验结果与分析
本章小结
第三章 支持隐私保护的云端安全深度计算模型
第一节 引言
第二节 基于云计算的聚类算法相关工作
一、基于云计算的划分聚类算法
二、基于云计算的层次聚类算法
三、基于云计算的密度聚类算法
四、基于云计算的高维空间聚类算法
五、基于云计算的其他聚类算法
第三节 问题描述
第四节 同态加密方法
一、同态加密概念
二、BGV同态加密算法
第五节 基于BGV全同态加密的安全高阶反向传播算法
一、BGV同态加密的操作
二、Sigmoid函数近似
三、基于BGV加密的安全反向传播算法
第六节 基于BGV加密的高阶CFS聚类算法
第七节 实验结果与分析
一、数据加密时间
二、运行时间
三、聚类精度
四、加速比
本章小结
第四章 增量式CFS聚类算法
第一节 引言
第二节 增量式聚类相关工作
一、基于传统聚类算法的增量式聚类算法
二、基于生物智能的增量式聚类算法
三、针对数据流的增量式聚类算法
第三节 问题描述
第四节 基于单个数据对象更新的增量式CFS聚类算法
第五节 基于批量数据更新的增量式CFS聚类算法
第六节 实验结果与分析
一、Yeast数据集
二、sIoT数据集
本章小结
第五章 基于改进CFS聚类的不完整数据填充算法
第一节 引言
第二节 不完整数据填充相关工作
第三节 问题描述
第四节 基于部分距离策略的CFS聚类算法
一、部分距离策略
二、基于部分距离策略的CFS聚类算法
第五节 基于改进CFS聚类的不完整数据填充算法
一、填充自动编码机
二、深度填充网络与数据填充
第六节 实验结果与分析
一、填充精度实验结果
二、运行时间实验结果
本章小结
第六章 结论与展望
第一节 本书总结
第二节 创新点
第三节 未来展望
参考文献
内容摘要
聚类技术作为数据挖掘和学习的典型技术，已经广泛应用于金融欺诈、医疗诊断、图像处理和信息检索等领域。CFS是Alex和Alessandro在2014年于Science杂志提出的近期新聚类算法，该算法聚类结果准确、效率高，已成为数据挖掘领域和机器学习拥有潜力的聚类算法之一。然而，大数据的海量性、实时性和异构性特点对CFS聚类算法提出了严峻的挑战。为了提升CFS聚类算法在大数据领域聚类的有效性，本书提出了支持隐私保护的云端安全CFS聚类算法、基于自适应Dropout模型的高阶CFS聚类算法和增量式CFS聚类算法，以及基于改进CFS聚类算法的不完整数据填充算法。
— 没有更多了 —
以下为对购买帮助不大的评价