图书介绍

数据挖掘PDF|Epub|txt|kindle电子书版本网盘下载

数据挖掘
  • 张道强，李静，蔡昕烨编著 著
  • 出版社： 北京：科学出版社
  • ISBN：9787030573902
  • 出版时间：2018
  • 标注页数：138页
  • 文件大小：25MB
  • 文件页数：147页
  • 主题词：数据采集－研究生－教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：e3e1e9de4f079b72e59e1b89462f1322

下载说明

数据挖掘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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
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 绪论1

1.1 什么是数据挖掘1

1.2 数据挖掘的任务2

1.3 数据挖掘在脑疾病诊断以及生物信息学中的应用3

1.4 数据挖掘在软件设计和应用领域的应用4

1.5 基于进化计算的数据挖掘技术4

1.6 本书的内容与组织4

第2章 数据准备6

2.1 数据6

2.1.1 数据集类型6

2.1.2 数据属性及类型7

2.1.3 数据相似性与相异性8

2.2 数据预处理方法10

2.2.1 数据清理10

2.2.2 数据变换11

2.2.3 数据归约12

2.2.4 数据集成14

参考文献15

第3章 关联规则16

3.1 基本概念16

3.2 Apriori算法17

3.3 其他关联规则挖掘18

参考文献19

第4章 分类21

4.1 基本概念21

4.2 决策树分类22

4.2.1 决策树概念22

4.2.2 常见决策树算法23

4.3 基于贝叶斯定理的分类方法28

4.3.1 朴素贝叶斯分类器28

4.3.2 贝叶斯信念网络29

4.4 多层前馈神经网络分类器30

4.4.1 基本概念31

4.4.2 BP算法32

4.5 支持向量机分类器34

4.5.1 支持向量与超平面34

4.5.2 线性可分支持向量机36

4.5.3 线性不可分支持向量机39

4.5.4 非线性支持向量机42

4.6 最近邻分类器43

4.7 分类器的评估与度量44

4.7.1 性能评估指标44

4.7.2 分类器的准确率评估45

4.7.3 常见评估方法45

参考文献47

第5章 聚类分析48

5.1 聚类概述48

5.2 基于划分的聚类算法51

5.2.1 k均值聚类51

5.2.2 k中心点聚类52

5.2.3 EM53

5.3 基于层次的聚类算法54

5.3.1 簇间距离度量方法54

5.3.2 BIRCH55

5.3.3 CURE57

5.3.4 ROCK57

5.3.5 Chameleon58

5.4 基于网格与基于密度的聚类59

5.4.1 STING59

5.4.2 DBSCAN60

5.4.3 OPTICS61

5.5 其他方法聚类61

5.5.1 NMF61

5.5.2 子空间聚类62

5.6 聚类有效性验证63

参考文献65

第6章 多模态脑影像挖掘67

6.1 引言67

6.2 多模态分类68

6.2.1 基于多核学习的多模态分类器68

6.2.2 实验结果69

6.3 多模态特征选择72

6.3.1 基于流形正则化多模态特征选择72

6.3.2 实验结果74

6.4 结论76

参考文献77

第7章 脑网络分析79

7.1 脑网络分析概述79

7.2 基于拓扑结构的结构化特征选择81

7.2.1 方法的框架81

7.2.2 Weisfeiler-Lehman子树核82

7.2.3 特征提取83

7.2.4 结构化特征选择84

7.3 脑网络的判别性子图学习86

7.3.1 判别性子图86

7.3.2 基于判别性子图的脑网络分类88

7.3.3 进一步提高效果的方法88

参考文献89

第8章 数据挖掘在生物信息学中的应用92

8.1 基于树型结构引导的稀疏学习方法在基因-影像关联分析中的应用92

8.1.1 引言92

8.1.2 方法93

8.1.3 实验96

8.1.4 结论98

8.2 基于结构化ECOC的蛋白质图像亚细胞定位方法98

8.2.1 引言98

8.2.2 方法100

8.2.3 实验102

8.2.4 结论104

参考文献104

第9章 软件数据挖掘106

9.1 软件数据挖掘概述106

9.2 软件缺陷预测简介106

9.2.1 概述106

9.2.2 基于机器学习的静态软件缺陷预测106

9.3 代价敏感特征选择在软件缺陷预测中的应用108

9.3.1 双重代价敏感特征选择108

9.3.2 代价敏感特征选择算法思想概述110

9.3.3 CSVS特征选择算法111

9.3.4 CSLS特征选择算法112

9.3.5 CSCS特征选择算法112

9.3.6 实验及结果分析113

9.4 小结117

参考文献117

第10章 基于进化计算的数据挖掘119

10.1 引言119

10.2 进化计算119

10.2.1 进化算法119

10.2.2 多目标进化算法120

10.3 数据挖掘中进化计算的应用122

10.3.1 进化计算用于特征选择122

10.3.2 进化计算用于分类125

10.3.3 进化计算用于聚类分析128

10.3.4 进化计算用于规则发现131

10.4 结束语133

参考文献134

热门推荐