图书介绍
面向大数据的高维数据挖掘技术pdf电子书版本下载
- 王和勇著 著
- 出版社： 西安：西安电子科技大学出版社
- ISBN：9787560642185
- 出版时间：2018
- 标注页数：126页
- 文件大小：17MB
- 文件页数：135页
- 主题词：数据收集－研究
PDF下载
下载说明
面向大数据的高维数据挖掘技术PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 高维大数据 1
1.1 大数据介绍 1
1.1.1 大数据的产生背景 1
1.1.2 大数据的重要性 1
1.1.3 大数据的定义和特征 2
1.1.4 大数据的构成 5
1.1.5 大数据的机遇和挑战 6
1.1.6 大数据应用的发展方向 9
1.2 大数据分析挖掘技术 10
1.3 大数据高维特征处理 11
1.3.1 大数据分析挖掘过程 11
1.3.2 大数据的维数 13
参考文献 14
第2章 大数据的维数约简 15
2.1 大数据维数约简的目的 15
2.2 维数约简的有关定义及分类 15
2.2.1 维数约简的有关定义 15
2.2.2 维数约简分类 17
参考文献 17
第3章 大数据的特征选择 19
3.1 特征选择的数学描述及其优势 19
3.2 特征选择基本框架 19
3.2.1 子集生成 21
3.2.2 评价测度 24
3.2.3 停止条件 33
3.2.4 结果验证 34
3.3 特征选择算法分类 34
3.3.1 按样本是否标记分类 34
3.3.2 按与学习算法的结合方式分类 34
3.3.3 Filter方法 36
3.3.4 Wrapper方法 39
3.3.5 Embeded方法 40
3.3.6 Hybrid方法 41
3.4 特征选择的稳定性 41
3.4.1 特征选择方法的稳定性 41
3.4.2 稳定的特征选择方法 42
3.4.3 特征选择方法的稳定性评价准则 44
参考文献 46
第4章 大数据特征提取 50
4.1 特征提取的概念 50
4.2 特征提取的分类 50
4.3 特征选择与特征提取方法的比较 51
4.4 线性特征提取 51
4.4.1 线性特征提取的思想 51
4.4.2 主成分分析 52
4.4.3 线性判别分析 58
4.4.4 独立成分分析 63
4.4.5 最大间距准则 74
参考文献 78
第5章 非线性特征提取 80
5.1 核方法 80
5.1.1 核方法原理 80
5.1.2 核主成分分析 82
5.1.3 核线性判别分析 85
5.1.4 核局部线性判别分析 87
5.2 流形学习方法 88
5.2.1 流形学习方法的概念 88
5.2.2 流形学习方法的分类 89
5.2.3 等距映射算法 90
5.2.4 局部线性嵌入算法 91
5.2.5 拉普拉斯特征映射算法 92
5.2.6 海赛局部线性嵌入算法 94
5.2.7 局部切空间排列算法 94
5.2.8 流形学习方法在应用中遇到的主要问题 95
参考文献 96
第6章 图方法 97
6.1 图的基本概念 97
6.2 相似性计算 100
6.3 图嵌入框架 100
6.4 图嵌入的线性扩展 101
6.4.1 主成分分析 102
6.4.2 线性判别分析 103
6.4.3 边界费舍尔分析 105
6.5 图嵌入的核化扩展 106
6.6 图嵌入的张量扩展 107
6.7 图嵌入面临的挑战 109
参考文献 110
第7章 稀疏大数据的维数约简 112
7.1 稀疏矩阵的应用及概念 112
7.2 稀疏表示理论及重构 112
7.2.1 范数稀疏解 112
7.2.2 稀疏表示理论概述 114
7.2.3 稀疏重构 114
7.2.4 基于稀疏表示的算法流程 114
7.3 线性回归模型 115
7.3.1 最小二乘法 115
7.3.2 岭回归 115
7.3.3 套索回归 116
7.4 稀疏保持映射 118
7.4.1 稀疏保持映射原理 118
7.4.2 稀疏保持映射算法流程 120
7.4.3 SPP优点 120
7.5 基于Lasso的稀疏主成分 121
7.6 稀疏判别分析 125
参考文献 125