国之重器出版工程 大数据时代的数据挖掘PDF|Epub|txt|kindle电子书版本网盘下载

国之重器出版工程 大数据时代的数据挖掘PDF格式电子书版下载

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

第1章 数据挖掘简介1

1.1大数据时代的数据挖掘2

1.1.1大数据的特点“4V＋4V”3

1.1.2数据挖掘5

1.1.3从数据挖掘应用的角度看大数据7

1.2数据挖掘技术的发展历史8

1.3十大数据挖掘算法简介10

1.4数据挖掘平台：FIU-Miner21

1.4.1 FIU-Miner平台简介22

1.4.2 FIU-Miner系统架构22

1.4.3 FIU-Miner应用实例23

参考文献28

第2章 系统日志和事件的挖掘31

2.1数据驱动的网络运维32

2.1.1网络运维1.0阶段：简单数据处理33

2.1.2网络运维2.0阶段：分布式大数据处理框架34

2.1.3网络运维3.0阶段：网络运维平台套件34

2.1.4网络运维4.0阶段：智能化网络运维35

2.2系统日志分析的目的35

2.2.1系统问题诊断36

2.2.2调试与优化37

2.2.3系统安全维护37

2.3日志数据分析管理系统的架构38

2.3.1日志数据的收集和预处理39

2.3.2历史日志数据存储39

2.3.3日志事件数据的分析以及对分析结果的展示和使用39

2.4系统日志的数据形式40

2.4.1无结构的日志数据40

2.4.2结构化与半结构化的日志数据41

2.4.3非结构化数据的转换43

2.5基于日志数据的异常检测44

2.5.1基于监督学习的异常检测44

2.5.2基于无监督学习的异常检测48

2.6系统故障根源跟踪52

2.6.1日志事件的依赖性挖掘54

2.6.2基于依赖关系的系统故障追踪65

2.7日志事件总结65

2.7.1事件总结算法基本要求及相关工作66

2.7.2基于事件发生频率变迁描述的事件总结67

2.7.3基于马尔可夫模型描述的事件总结67

2.7.4基于事件关系网络描述的事件总结68

参考文献69

第3章 工作票数据挖掘75

3.1工作票简介76

3.2工作票产生机制和亟待解决的问题77

3.3研究现状79

3.3.1工作票分类80

3.3.2工作票推荐82

3.3.3整体解决方案和工具84

3.4工作票漏报和误报检测84

3.4.1漏报和误报84

3.4.2基于规则的误报识别方法86

3.4.3半监督的工作票漏报发现方法89

3.4.4评价92

3.5层次多标签工作票分类96

3.5.1问题描述98

3.5.2层次损失函数和期望损失最小化98

3.5.3算法和解决方案102

3.5.4实验104

3.6工作票解决方案推荐108

3.6.1背景108

3.6.2基于KNN的推荐方法109

3.6.3划分方法111

3.6.4概率融合方法112

3.6.5度量学习方法113

3.6.6实验116

参考文献126

第4章 大数据与计算可持续性研究131

4.1大数据与可持续发展132

4.1.1可持续发展132

4.1.2大数据时代可持续发展面临的机遇和挑战133

4.2计算可持续性133

4.2.1计算可持续性数据及其特征134

4.2.2大数据环境下计算可持续性研究现状137

4.3研究案例142

4.3.1基于数据驱动的气象分析142

4.3.2基于数据驱动的建筑能耗分析145

参考文献155

第5章 推荐系统159

5.1个性化推荐系统概述160

5.2推荐技术163

5.2.1基于内容的推荐系统163

5.2.2基于协同过滤的推荐系统164

5.2.3基于知识的推荐系统165

5.2.4基于混合技术的推荐系统165

5.2.5基于计算智能的推荐系统166

5.2.6基于社交网络的推荐系统167

5.2.7基于上下文敏感的推荐系统169

5.2.8基于组群的推荐系统170

5.3推荐系统评测170

5.3.1推荐系统评测环境171

5.3.2推荐系统评测指标174

5.4推荐系统实例181

5.4.1新闻推荐181

5.4.2 POI推荐190

参考文献198

第6章 智能问答系统203

6.1发展历史204

6.2句法分析205

6.2.1中文分词技术205

6.2.2词的分类和兼类207

6.2.3汉语句法分析208

6.3问题理解210

6.3.1词法分析210

6.3.2问题分类210

6.3.3关键词扩展与抽取211

6.3.4答案抽取212

6.4问题检索212

6.4.1基于词法的问句检索212

6.4.2基于句法的问句检索213

6.4.3基于语义的问句检索213

6.4.4常见问题集的问句检索213

6.5信息抽取214

6.5.1抽取的对象214

6.5.2抽取的种类215

6.5.3抽取的方法215

6.6知识库构建217

6.6.1基本概念217

6.6.2体系结构218

6.6.3关键技术219

6.7知识推理223

6.7.1线索挖掘223

6.7.2关系推理224

6.7.3关系预测225

6.8案例分析225

6.8.1限定域系统的现有案例分析225

6.8.2开放域系统的现有案例分析233

参考文献238

第7章 文本挖掘245

7.1文本表示246

7.2话题挖掘248

7.2.1非负矩阵分解248

7.2.2概率潜在语义分析249

7.2.3潜在狄利克雷分配模型250

7.2.4分析与实例比较251

7.3多文档自动文摘253

7.3.1目标函数选择：句子重要性评价253

7.3.2优化方法257

7.3.3其他的自动文摘问题258

7.3.4实例分析259

7.4情感分析和摘要262

7.4.1基于频繁项集的方法264

7.4.2实例分析266

7.4.3基于方面的话题模型分析方法267

7.5数据挖掘在专利分析中的应用272

7.5.1专利分析的内容、流程与方法273

7.5.2数据挖掘在专利分析中的应用方向278

参考文献284

第8章 多媒体数据挖掘291

8.1多媒体技术的特点292

8.1.1数字化292

8.1.2多样性293

8.1.3集成性293

8.1.4交互性293

8.1.5非线性294

8.1.6实时性294

8.2多媒体数据挖掘概述294

8.2.1背景294

8.2.2研究及应用现状295

8.3多媒体数据的特征抽取296

8.3.1文本特征抽取296

8.3.2图像特征表示297

8.4数据挖掘在图像检索中的应用300

8.4.1应用背景300

8.4.2数据集描述302

8.4.3数据挖掘在图像检索中的算法分析304

8.4.4图像检索案例306

8.5数据挖掘在多媒体信息融合中的应用312

8.5.1应用背景313

8.5.2数据集描述314

8.5.3数据挖掘在多媒体信息融合中的算法分析315

8.5.4多媒体信息融合案例317

8.6数据挖掘在人脸识别中的应用334

8.6.1应用背景334

8.6.2数据集描述336

8.6.3人脸识别算法分析338

8.6.4分布式人脸识别系统设计348

参考文献350

第9章 社交媒体挖掘355

9.1社交媒体数据挖掘简介356

9.1.1社交媒体分析的特点综述357

9.1.2社交媒体的典型应用358

9.2社交网络数据360

9.3数据挖掘在社交媒体热点问题上的应用362

9.3.1社交媒体数据挖掘需求362

9.3.2信息扩散分析362

9.3.3链接的预测366

9.3.4专家与关键人物的挖掘371

9.3.5搜索380

9.3.6信任385

9.3.7社交网络的内容与情感挖掘388

参考文献389

第10章 时空数据挖掘395

10.1时空数据挖掘的发展背景396

10.2时空数据挖掘的相关研究397

10.2.1时空数据的来源397

10.2.2时空数据的基本性质398

10.2.3时空数据挖掘的方法与任务399

10.3时空数据的模式挖掘403

10.3.1时空数据的频繁模式403

10.3.2时空数据的异常模式404

10.4时空数据的聚类和分类406

10.4.1时空数据的聚类406

10.4.2时空数据的分类410

10.5时空数据预测411

10.5.1位置预测412

10.5.2位置推荐412

10.6时空数据挖掘的案例研究413

10.6.1 TerryFly GeoCloud413

10.6.2 NUPT-ST-Miner420

10.7时空数据挖掘的挑战和发展428

参考文献430

第11章 生物信息学437

11.1生物医学知识综述438

11.2生物医学大数据441

11.3数据挖掘在蛋白质与核酸相互作用研究中的应用442

11.3.1基于机器学习的蛋白质与核酸相互作用的研究策略443

11.3.2案例分析：蛋白质中RNA—结合残基的预测模型445

11.4数据挖掘在生物医学文献中的应用448

11.4.1生物医学文献挖掘概述448

11.4.2数据挖掘应用方法描述450

11.5数据挖掘在基因表达数据中的应用463

11.5.1基因芯片技术463

11.5.2下一代高通量测序技术463

11.5.3 RNA-Seq技术与基因芯片技术的比较464

11.5.4数据挖掘在下一代高通量RNA-Seq测序数据中的应用465

参考文献468

第12章 隐私保护和数据挖掘473

12.1隐私保护概述474

12.1.1隐私侵害事件474

12.1.2隐私保护困境475

12.1.3隐私保护要求477

12.1.4隐私保护水平度量477

12.2隐私保护技术分类478

12.2.1匿名化技术478

12.2.2加密技术480

12.2.3数据扰动技术481

12.3隐私保护数据挖掘方法485

12.3.1隐私保护聚类486

12.3.2隐私保护决策树488

12.3.3隐私保护推荐系统490

12.3.4隐私保护贝叶斯算法492

12.3.5隐私保护支持向量机493

12.3.6隐私保护关联规则挖掘494

12.4复杂数据挖掘场景下的隐私保护495

12.4.1大数据隐私保护495

12.4.2图数据隐私保护498

12.4.3云数据隐私保护499

12.4.4隐私保护深度学习500

参考文献501

第13章 健康医疗大数据中的数据挖掘技术507

13.1健康医疗大数据的含义508

13.2数据特性509

13.3预警系统510

13.3.1数据预处理513

13.3.2 Bucketing514

13.3.3 Bucket Bagging514

13.3.4特征集构造515

13.3.5特征选择517

13.3.6探索性下采样518

13.3.7指数移动平均519

13.4非结构化文本信息的挖掘519

13.5数据挖掘实例520

13.5.1评价标准521

13.5.2实验设计521

13.5.3逻辑回归模型的实验结果522

13.5.4算法比较523

13.5.5预警时间分析525

13.6应用方向526

13.6.1疾病预警预测及生存期分析527

13.6.2疾病辅助诊断治疗527

13.6.3药物研究528

13.6.4医学影像528

13.6.5医院信息系统529

13.6.6远程医疗530

13.6.7健康数据库管理531

13.6.8医疗健康相关企业经营531

参考文献532