大數據元啟發式算法教程 大数据元启发式算法教程

克拉麗絲·達恩恩斯 (Clarisse Dhaenens) 利蒂希婭·儒爾當 (Laetitia Jourdan)

  • 出版商: 人民郵電
  • 出版日期: 2017-08-01
  • 定價: $414
  • 售價: 8.5$352
  • 語言: 簡體中文
  • 頁數: 206
  • 裝訂: 平裝
  • ISBN: 7115465266
  • ISBN-13: 9787115465269
  • 相關分類: 大數據 Big-data
  • 已絕版

買這商品的人也買了...

商品描述

本書的第一部分介紹瞭如何使用元啟發式算法來剋服數據挖掘過程中的問題,算法性能評估,並具體介紹了原啟發式算法。第二部分詳細描述了一系列的數據挖掘任務,包括聚類算法、關聯規則、監督分類法以及特徵選擇,然後探討瞭如何通過通用啟發式算法來處理數據挖掘任務。
本書內容介紹齊全,讀者可以系統理解書中的所有概念,並且提供了將通用啟發式演算法應用到從大數據信息挖掘的相關方法總覽。

作者簡介

Clarisse DHAENENS、Laetitia JOURDAN,兩人均是法國里爾大學的教授,CRIStAL實驗室(計算機科學、信號和自動化研究中心),以及法國國家信息與自動化研究所(INRIA)的研究團隊成員。

目錄大綱

第1章優化與大數據//1 
1.1大數據環境//2 
1.1.1大數據環境示例//3 
1.1.2定義//4 
1.1.3大數據面臨的挑戰//6 
1.1.4元啟發式算法和大數據//9 
1.2大數據中的知識發現//11 
1.2.1數據挖掘與知識發現//11 
1.2.2主要的數據挖掘任務//13 
1.2.3數據挖掘任務作為優化問題/ /17 
1.3數據挖掘算法的性能分析//17 
1.3.1環境//17 
1.3.2一個或多個數據集評估//19 
1.3.3存儲庫和數據集//20 
1.4本章小結//21 

第2章元啟發式算法簡介//23 
2.1引言//24 
2.1.1組合優化問題//25 
2.1.2解決組合優化問題//25 
2.1.3優化方法的主要類型//26 
2.2元啟發式算法的通用概念//27 
2.2.1表示/編碼//27 
2.2.2約束滿足//28 
2.2.3優化標準/目標函數//29 
2.2.4性能分析//30 
2.3基於單一解/局部搜索的方法//31 
2.3.1方案鄰域//31
2.3.2爬山算法//33 
2.3.3禁忌搜索//34 
2.3.4模擬退火和閾值接受法//35 
2.3.5結合局部搜索方法//36 
2.4基於群體的元啟發式算法//37 
2.4 .1進化計算//38 
2.4.2群智能算法//41 
2.5多目標元啟發式算法//43 
2.5.1多目標優化的基本概念//44 
2.5.2使用元啟發式算法進行多目標優化//46 
2.5.3多目標優化的性能評估//50 
2.6本章小結//51 

第3章元啟發式算法與並行優化//53 
3.1並行計算//54 
3.1.1位級別並行//55 
3.1 .2指令級並行//55 
3.1.3任務與數據並行//55 
3.2並行元啟發式算法//56 
3.2.1一般概念//56 
3.2.2並行基於單一解的元啟發式算法//56 
3.2.3並行基於總體的元啟發式算法//58 
3.3並行元啟發式算法的基礎設施和技術//58 
3.3.1分佈式模型//58 
3.3.2硬件型號//59 
3.4質量措施// 62 
3.4.1加速//62 
3.4.2效率//62 
3.4.3串行分 數//63
3.5本章小結//63 

第4章元啟發式算法與聚類算法//65 
4.1任務描述//66 
4.1.1劃分法//67 
4.1.2層次法//68 
4.1.3基於網格法/ /70 
4.1.4基於密度法//70 
4.2大數據與聚類分析//71 
4.3優化模型//71 
4.3.1組合問題//71 
4.3.2質量措施//72 
4.3.3表示//79 
4.4方法概述//83 
4.5驗證//84 
4.5.1內部驗證//86 
4.5.2外部驗證//86 
4.6本章小結//88 

第5章元啟發式算法與關聯規則//89 
5.1任務描述和經典算法//91 
5.1.1初始化問題//91 
5.1.2先驗算法//92 
5.2優化模型//93 
5.2.1組合問題//93 
5.2.2質量測量//93 
5.2.3單目標還是多目標問題//95 
5.3關聯規則挖掘問題的元啟發式算法概述//96 
5.3.1一般性//96 
5.3.2分類關聯規則的元啟發式算法//97 
5.3.3定量關聯規則的進化算法//102
5.3.4模糊關聯規則的元啟發式算法//105 
5.4總表//108 
5.5本章小結//110 

第6章元啟發式算法與(監督)分類//111 
6.1任務描述和標準算法//112 
6.1.1問題描述//112 
6.1.2 K最近鄰分類算法(KNN) //113 
6.1.3決策樹//114 
6.1.4樸素貝葉斯算法//115 
6.1.5人工神經網絡//115 
6.1.6支持向量機//116 
6.2優化模型//117 
6.2.1組合問題//117 
6.2.2質量措施//117 
6.2.3監督分類的性能評估方法//119 
6.3構建標準分類器的元啟發式算法//120 
6.3.1 KNN算法優化//120 
6.3.2決策樹//121 
6.3.3 ANN算法優化//124 
6.3.4 SVM算法優化//125 
6.4元啟發式算法分類規則// 127 
6.4.1建模//127 
6.4.2目標函數//128 
6.4.3算子//130 
6.4.4算法//131 
6.5本章小結//133 

第7章使用元啟發式算法在分類中進行特徵選擇//135
第8章框架//147 
結論//161 
參考文獻//163