大數據分類模型和算法研究

內容簡介

《大數據分類模型和算法研究》強調了大數據的寶貴价值，論述了常用的數據分析技術與方法，在此基礎上設計對應的大數據分類模型（線性分類模型和分類分析模型），具體的大數據算法包括關聯規則分析算法、分散式算法、聚類算法等，並對大數據分析算法的並行化進行了相關研究。《大數據分類模型和算法研究》闡述了各個算法的套用場景及算法複雜度，從套用的角度提供了大量實例，使讀者能夠快速、高效進階各類算法，並能夠熟練套用到將來的工作實踐中。

圖書目錄

第1章緒論

1．1 大數據的概念和特徵

1．2 大數據的發展趨勢

1．3 大數據的套用價值

1．4 數據挖掘的產生與功能分析

1．5 大數據的處理方法

1．6 本章小結

第2章大數據處理相關技術與研究現狀

2．1 雲技術研究現狀

2．2 大數據的分散式和並行計算研究現狀

2．3 數據存儲研究現狀

2．4 大數據分析及挖掘研究現狀

2．5 大數據處理架構Hadoop

2．6 雲計算和大數據的智慧型套用分析

2．7 本章小結

第3章基於大數據的線性分類模型的探索

3．1 線性分類模型的研究方法

3．2 線性分類模型的研究內容

3．3 線性判別式的比較分析與最佳化方法研究

3．4 基於線性回歸分析的特徵抽取及分類套用研究

3．5 本章小結

第4章大數據的分類分析模型研究

4．1 分類分析的定義

4．2 分類分析的原理和策略方法

4．3 主要分類模型

4．4 分類模型的評估指標

4．5 分類分析模型實例分析

4．6 基於決策樹的分類分析算法的改進與套用分析

4．7 本章小結

第5章基於神經網路與人工智慧的大數據分析方法研究

5．1 神經網路

5．2 神經網路的結構及工作方式

5．3 人工神經網路與計算智慧型的研究內容與趨勢

5．4 主要分析方法

5．5 本章小結

第6章數據關聯規則挖掘及相關算法、

6．1 數據關聯規則概念

6．2 數據關聯規則相關算法的研究內容

6．3 主要數據關聯規則挖掘算法

6．4 關聯規則有效性的評估指標與策略方法

6．5 本章小結

第7章基於Hadoop的分散式算法的設計與實現

7．1 分散式檔案訪問與計算的研究內容

7．2 基於Hadoop的分散式算法分析和模型實現

7．3 基於Hadoop的一種網路結構化分散式算法

7．4 一種基於密度的分散式算法

7．5 實驗設計與分析

7．6 本章小結

第8章大數據分析中的聚類算法研究

8．1 大數據分析中聚類分析算法的研究現狀

大數據分類模型和算法研究

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條