• 大数据算法
21年品牌 40万+商家 超1.5亿件商品

大数据算法

全新正版 极速发货

62.97 4.9折 129 全新

库存4件

广东广州
认证卖家担保交易快速发货售后保障

作者(以)莫兰·费尔德曼

出版社北京航空航天大学出版社

ISBN9787512442900

出版时间2024-04

装帧平装

开本16开

定价129元

货号1203263651

上书时间2024-06-14

徐小智的书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
第1章 数据流算法简介 1

1.1 数据流模型 1

1.2 评估数据流算法 5

1.3 文献说明(Bibliographic Notes) 6

练习解析 6

第2章 基本概率与尾界 9

2.1 离散概率空间 9

2.2 随机变量 13

2.3 指标与二项分布 19

2.4 尾 界 20

练习解析 25

第3章 估计算法 35

3.1 估计流长度的莫里斯算法 35

3.2 改进估计 39

3.3 结束语 44

3.4 文献说明 44

练习解析 45

第4章 蓄水池采样算法 51

4.1 均匀抽样 51

4.2 近似中值和分位数 53

4.3 加权抽样 56

4.4 文献说明 58

练习解析 59

第5章 成对独立的哈希函数 65

5.1 成对哈希函数族 65

5.2 成对独立哈希族的简单构造 66

5.3 成对独立哈希族和k 向独立哈希族的高级构造 68

5.4 文献说明 71

练习解析 71

第6章 计算不同令牌的数量 75

6.1 AMS算法 75

6.2 一种改进的算法 78

6.3 不可能的结果 82

6.4 文献说明 84

练习解析 85

第7章 Sketches 92

7.1 数据流模型的一般化 92

7.2 最小计数Sketches 95

7.3 计算Sketches 100

7.4 线性Sketches 105

7.5 文献说明 106

练习解析 107

第8章 图形数据流算法 114

8.1 概 述 114

8.2 优选权匹配 117

8.3 三角形计数 125

8.4 文献说明 128

练习解析 129

第9章 滑动窗口模型 135

9.1 概 述 135

9.2 滑动窗口模型中的图连通性 137

9.3 平滑直方图 141

9.4 文献说明 147

练习解析 148

第10章 次线性时间算法简介 154

10.1 简单的例子 154

10.2 估计直径 156

10.3 查询复杂性 158

10.4 文献说明 158

练习解析 159

第11章 性能测试 161

11.1 属性测试算法 161

11.2 测试n 个数字的列表是否有重复 163

11.3 列表模型和被排序列表的测试 166

11.4 半平面的像素模型及其检验 169

11.5 结束语 173

11.6 文献说明 174

练习解析 175

第12章 有界度图的算法 182

12.1 计算连接组件数量 182

12.2 最小权生成树 186

12.3 最小顶点覆盖 188

12.4 测试图形是否连通 196

12.5 文献说明 200

练习解析 201

第13章 稠密图的一种算法 211

13.1 模 型 211

13.2 二部性检验算法 212

13.3 减少要检查的分区数 214

13.4 取消假设 217

13.5 文献说明 222

练习解析 222

第14章 布尔函数的算法 227

14.1 模 型 227

14.2 测试线性度 228

14.3 单调性检验 232

14.4 文献说明 238

练习解析 239

第15章 Map-Reduce概述 243

15.1 关于 Map-Reduce的一些细节 244

15.2 Map-Reduce的理论模型 247

15.3 绩效指标 249

15.4 不同的理论模型 251

15.5 文献说明 252

练习解析 253

第16章 列表的算法 256

16.1 计算 Word频率 256

16.2 前缀和 259

16.3 索 引 263

16.4 文献说明 264

练习解析 264

第17章 图算法 273

17.1 最小权重生成树 273

17.2 三角形列表 279

17.3 文献说明 282

练习解析 283

第18章 局部敏感哈希 289

18.1 主 旨 289

18.2 局部敏感哈希函数族的示例 291

18.3 放大局部敏感哈希函数族 293

18.4 文献说明 295

练习解析 296

内容摘要
本书详细介绍了数据科学领域的相关智能技术,包括数据分析、基本学习算法、模糊逻辑、人工神经网络、基因算法和进化计算,以及使用相关技术进行大数据分析等,旨在捕捉“大数据”计算带来的挑战的计算模型,以及对应着这些挑战而开发的实际解决方案的特性。通过调查一些经典的算法结果,来了解这些计算模型中的每一个模型。本书可以作为高等院校计算机专业本科生和研究生,以及其他专业研究生的人工智能课程的教材,也可以作为相关教师和数据分析技术人员的参考书。

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP