多粒度大数据分析方法:以树和云模型为例
￥ 126.8 7.5折 ￥ 169 全新
库存6件
四川成都
认证卖家担保交易快速发货售后保障
作者徐计 等
出版社科学出版社
ISBN9787030749857
出版时间2023-09
装帧平装
开本其他
定价169元
货号1203116970
上书时间2024-07-04
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
序
前言
本书常用记号
第1章绪论1
1.1大数据2
1.1.1大数据的定义2
1.1.2大数据处理研究现状3
1.2基于粒计算的大数据分析4
1.2.1粒计算概述4
1.2.2粒计算在大数据分析中的优势7
1.2.3大数据的粒计算分析框架8
1.3本章小结9
参考文献10
第2章预备知识13
2.1基于密度峰值的聚类13
2.1.1DPC中心的特征14
2.1.2中心点和异常点特征14
2.1.3算法步骤15
2.1.4与其他聚类方法的对比分析15
2.2云模型简介16
2.2.1云模型的定义16
2.2.2高斯云模型17
2.3学习过程的效率评价19
2.3.1时间复杂性19
2.3.2空间复杂性20
2.4学习结果的准确性评价20
2.4.1聚类评价20
2.4.2分类评价22
……
内容摘要
在大数据时代，数据的获取、传输和存储融入了人类生产生活的方方面面，而大数据核心价值体现为人们对数据的分析、理解与应用。面对如此海量、高速和异构的数据，仅靠人类的认知和理解能力远不能满足价值发现的需要。同时，计算机总是针对最细粒度数据进行迭代优化的求解模式在特定场景下也不能满足数据分析的时限需求。粒计算作为一种模拟人类知识表示和问题求解的近似数据分析范式，其优点在于解决问题时能够选择合适粒度，达到求解精度和计算时效的很好平衡。所以，粒计算通常能够以更高的效率获得“有效解”。本书以引领树和云模型作为数据多粒度表示的基本方法，系统地展示了引领树和云模型在大数据多粒度聚类、数据流即时聚类、半监督学习和时间序列预测等大数据分析场景中的理论研究成果及应用案例。
本书可供计算机科学与技术、数据科学与大数据技术、智能科学与技术、软件工程、自动化、管理科学与工程等相关专业高年级本科生和研究生及教师和工程技术人员参考。
— 没有更多了 —
以下为对购买帮助不大的评价