地球科学中的大数据分析与挖掘算法手册

文档评分： 4.0 （0 个有效评分）
文档语言：中文
章节数量：212
阅读人次：0
收藏数量：0
整理分享：管理员
阅读收藏扫码

阅读收藏扫码

文档标签
算法科学挖掘手册大数据
文档概述
地球科学中的大数据分析与挖掘算法手册

书籍目录
书籍评论 (0)

封面
内容提要
《国之重器出版工程》编辑委员会
《学术中国·大数据》丛书编辑委员会
《地球科学中的大数据分析与挖掘算法手册》编写组
序
序二
前言
第1章关联规则
1.1 Apriori算法
1.1.1 算法概要
1.1.2 算法原理
1.1.3 实例说明
1.1.4 算法优缺点
1.1.5 优化改进
1.1.6 大数据适应度分析
1.1.7 地球科学应用案例
1.2 FP-growth算法
1.2.1 算法概要
1.2.2 算法原理
1.2.3 实例说明
1.2.4 优化改进
1.2.5 大数据适应度分析
1.2.6 地球科学应用案例
参考文献
第2章分类
2.1 决策树算法
2.1.1 算法概要
2.1.2 算法原理
2.1.3 算法优缺点
2.1.4 优化改进
2.1.5 决策树衍生算法
2.1.6 大数据适应度分析
2.1.7 地球科学应用案例
2.2 贝叶斯分类算法
2.2.1 算法概要
2.2.2 算法原理
2.2.3 实例说明
2.2.4 算法优缺点
2.2.5 优化改进
2.2.6 大数据适应度分析
2.2.7 地球科学应用案例
2.3 神经网络分类算法
2.3.1 算法概要
2.3.2 算法原理
2.3.3 算法优缺点
2.3.4 优化改进
2.3.5 大数据适应度分析
2.3.6 地球科学应用案例
2.4 粗糙集分类
2.4.1 算法概要
2.4.2 算法原理
2.4.3 实例说明
2.4.4 算法优缺点
2.4.5 优化改进
2.4.6 大数据适应度分析
2.4.7 地球科学应用案例
2.5 支持向量机
2.5.1 算法概要
2.5.2 算法原理
2.5.3 实例说明
2.5.4 算法优缺点
2.5.5 优化改进
2.5.6 大数据适应度分析
2.5.7 地球科学应用案例
2.6 K-最近邻算法
2.6.1 算法概要
2.6.2 算法原理
2.6.3 算法优缺点
2.6.4 优化改进
2.6.5 大数据适应度分析
2.6.6 地球科学应用案例
2.7 Bagging算法
2.7.1 算法概要
2.7.2 算法原理
2.7.3 实例说明
2.7.4 优化改进
2.7.5 大数据适应度分析
2.7.6 地球科学应用案例
2.8 AdaBoost算法
2.8.1 算法概要
2.8.2 算法原理
2.8.3 训练过程
2.8.4 同类算法
2.8.5 大数据适应度分析
2.8.6 地球科学应用案例
参考文献
第3章回归
3.1 线性回归
3.1.1 算法概要
3.1.2 算法原理
3.1.3 实例说明
3.1.4 算法优缺点
3.1.5 优化改进
3.1.6 大数据适应度分析
3.1.7 地球科学应用案例
3.2 逻辑回归
3.2.1 算法概要
3.2.2 算法原理
3.2.3 算法实现
3.2.4 SoftMax算法
3.2.5 大数据适应度分析
3.2.6 地球科学应用案例
参考文献
第4章聚类
4.1 K-means算法
4.1.1 算法概要
4.1.2 算法原理
4.1.3 实例说明
4.1.4 算法优缺点
4.1.5 优化改进
4.1.6 大数据适应度分析
4.1.7 地球科学应用案例
4.2 K-medoids算法
4.2.1 算法概要
4.2.2 算法原理
4.2.3 实例说明
4.2.4 算法优缺点
4.2.5 优化改进
4.2.6 大数据适应度分析
4.2.7 地球科学应用案例
4.3 层次聚类算法
4.3.1 算法概要
4.3.2 距离度量
4.3.3 算法流程
4.3.4 改进优化
4.3.5 大数据适应度分析
4.3.6 地球科学应用案例
4.4 基于密度的聚类算法
4.4.1 算法概要
4.4.2 算法原理
4.4.3 实例说明
4.4.4 算法优缺点
4.4.5 优化改进
4.4.6 大数据适应度分析
4.4.7 地球科学应用案例
4.5 基于网格的聚类算法
4.5.1 算法概要
4.5.2 STING
4.5.3 CLIQUE
4.5.4 优化改进
4.5.5 大数据适应度分析
4.5.6 地球科学应用案例
参考文献
第5章序列模式挖掘
5.1 GSP算法
5.1.1 算法概要
5.1.2 算法原理
5.1.3 实例说明
5.1.4 算法优缺点
5.1.5 GSP衍生算法
5.1.6 大数据适应度分析
5.1.7 地球科学应用案例
5.2 SPADE算法
5.2.1 算法概要
5.2.2 算法原理
5.2.3 实例说明
5.2.4 算法优缺点
5.2.5 优化改进
5.2.6 SPADE衍生算法
5.2.7 大数据适应度分析
5.2.8 地球科学应用案例
参考文献
第6章深度学习
6.1 深度信念网
6.1.1 算法概要
6.1.2 算法原理
6.1.3 优化改进
6.1.4 大数据适应度分析
6.1.5 地球科学应用案例
6.2 卷积神经网络
6.2.1 算法概要
6.2.2 算法原理
6.2.3 实例说明
6.2.4 模型演化
6.2.5 优化改进
6.2.6 大数据适应度分析
6.2.7 地球科学应用案例
6.3 自动编码器算法
6.3.1 算法概要
6.3.2 算法原理
6.3.3 算法实现
6.3.4 衍生算法
6.3.5 优化改进
6.3.6 大数据适应度分析
6.3.7 地球科学应用案例
参考文献
第7章异常检测
7.1 概述
7.2 基于统计的异常检测算法
7.2.1 算法原理
7.2.2 典型算法
7.3 基于距离的方法
7.3.1 算法原理
7.3.2 典型算法
7.4 基于深度的异常检测方法
7.4.1 算法原理
7.4.2 典型算法
7.5 基于密度的异常检测算法
7.5.1 算法原理
7.5.2 典型算法
7.6 基于偏离的异常检测算法
7.6.1 算法原理
7.6.2 典型算法
7.7 基于聚类的异常检测算法
7.7.1 算法原理
7.7.2 典型算法
7.8 大数据适应度分析
7.9 地球科学应用案例
参考文献
附录A 软件、源码及开发包
关于本书

地球科学中的大数据分析与挖掘算法手册

相关书籍

相关内容