• 数据挖掘技术在文本等数据上的应用研究9787522105116
21年品牌 40万+商家 超1.5亿件商品

数据挖掘技术在文本等数据上的应用研究9787522105116

正版图书,可开发票,请放心购买。

12.5 2.0折 62 全新

库存97件

广东广州
认证卖家担保交易快速发货售后保障

作者姜明洋

出版社中国原子能出版传媒有限公司

ISBN9787522105116

出版时间2021-03

装帧平装

开本16开

定价62元

货号10987387

上书时间2024-11-29

亿临书店

四年老店
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
作者简介



目录
第1章  常用数据挖掘方法介绍
  1.1  分类问题研究基本框架
  1.2  数据预处理
  1.3  数据表示
  1.4  特征选择与特征抽取
  1.5  常用数据挖掘算法
  1.6  常用深度学习方法
  1.7  本章小结
参考文献
第2章  基于DBN的高维稀疏文本数据分类研究
  2.1  引言
  2.2  国内外研究现状
  2.3  研究方法
  2.4  实验结果
  2.5  本章小结
参考文献
第3章  基于DBN的代谢组学数据分类研究
  3.1  引言
  3.2  研究方法
  3.3  生物样本数据的制备
  3.4  实验结果
  3.5  本章小结
参考文献
第4章  基于SAE和SVM的代谢组学数据分类研究
  4.1  引言
  4.2  研究方法
  4.3  实验结果
  4.4  本章小结
参考文献
第5章  基于栈式降噪自动编码器的中文文本分类
  5.1  降噪自动编码器
  5.2  栈式降噪自动编码器
  5.3  激活函数
  5.4  实验
  5.5  本章小结
参考文献
第6章  基于遗传算法的移动机器人路径规划
  6.1  环境信息的表示
  6.2  初始设置
  6.3  适应度函数的确定
  6.4  遗传算子的设计
  6.5  基于遗传算法的动态路径规划设计
  6.6  路径规划的仿真结果及分析
  6.7  本章小结
参考文献

内容摘要
 

第1章常用数据挖掘方法介绍

分类已经应用于我们生活的诸多方面且是数据挖掘中最常见的方法之一。我们主要研究了基于深度学习的文本和代谢组学等数据的特征提取和分类问题。

1.1  分类问题研究基本框架

对于分类问题来说,建立分类模型包括学习和测试两个过程n’。此类问题的学习过程可以采用有监督或无监督的方法,目标是将新数据划分至一个或者多个指定的类别中,因为每个数据有可能属于不同的类别口’。通常情况下,分类模型的构建主要包括以下几个方面: 

(1)数据预处理

一  许多数据是半结构化或非结构化的、多维度的,通过预处理的方法可以让数据具有统一和方便计算机识别的组织形式,如进行统一格式化的处理,便于后续的研究。

(2)数据表示

对于分类模型来说,预处理后的数据通常不能够直接作为模型的输入,也就是说原始数据不能够被直接进行处理,需要将其转换为适用于分类模型的数据,进而才能够完成模型的建立及测试口]

(3)数据的特征提取

待分类的数据中,包含了许多噪声或无关的变量。通过特征提取方法能够去掉这些噪声,获得代表样本数据特征的低维数据,从而能够更加有效地完成分类。

(4)建立分类器

特征提取后的低维数据将输入至分类器,可以采用不同的分类算法判别数据所属类别。

(5)模型评价

模型评价的作用主要是对分类性能的优劣给出一个定量的评估,评价可以采用不同的方法,选择合适的方法能够给予模型更加客观、准确的评……



精彩内容
数据挖掘是一个跨学科的计算机科学分支,它是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程。本书主要介绍了数据挖掘技术在文本、生物医学、信息融合、机器人路径规划等领域的应用研究,所包含的内容均为作者近年来的科学研究成果,通过系统的整理和编排,希望本书能够为相关领域的研究人员提供参考。

—  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