掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>>
商業(yè)數(shù)據(jù)流挖掘模型.方法及應(yīng)用
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥17.8
加入購物車
商業(yè)數(shù)據(jù)流挖掘模型.方法及應(yīng)用 版權(quán)信息
- ISBN：9787121289651
- 條形碼：9787121289651 ; 978-7-121-28965-1
- 裝幀：暫無
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
商業(yè)數(shù)據(jù)流挖掘模型.方法及應(yīng)用 本書特色
本書是商業(yè)數(shù)據(jù)流挖掘方面的一本學(xué)術(shù)專著，包括商業(yè)數(shù)據(jù)流數(shù)據(jù)管理模型、概念漂移模型、商業(yè)數(shù)據(jù)流關(guān)聯(lián)規(guī)則、分類、聚類方法，以及在銀行、網(wǎng)購等領(lǐng)域的應(yīng)用等內(nèi)容，從模型、方法及應(yīng)用三個(gè)角度對(duì)面向商業(yè)數(shù)據(jù)流挖掘進(jìn)行了系統(tǒng)論述。本書適合作為與數(shù)據(jù)挖掘和商業(yè)數(shù)據(jù)分析有關(guān)的學(xué)科如計(jì)算機(jī)技術(shù)、軟件工程、電子商務(wù)等的本科和研究生的教材，也可供相關(guān)領(lǐng)域的專業(yè)人員參考。
商業(yè)數(shù)據(jù)流挖掘模型.方法及應(yīng)用 內(nèi)容簡(jiǎn)介
本書是商業(yè)數(shù)據(jù)流挖掘方面的一本學(xué)術(shù)專著，包括商業(yè)數(shù)據(jù)流數(shù)據(jù)管理模型、概念漂移模型、商業(yè)數(shù)據(jù)流關(guān)聯(lián)規(guī)則、分類、聚類方法，以及在銀行、網(wǎng)購等領(lǐng)域的應(yīng)用等內(nèi)容，從模型、方法及應(yīng)用三個(gè)角度對(duì)面向商業(yè)數(shù)據(jù)流挖掘進(jìn)行了系統(tǒng)論述。本書適合作為與數(shù)據(jù)挖掘和商業(yè)數(shù)據(jù)分析有關(guān)的學(xué)科如計(jì)算機(jī)技術(shù)、軟件工程、電子商務(wù)等的本科和研究生的教材，也可供相關(guān)領(lǐng)域的專業(yè)人員參考。
商業(yè)數(shù)據(jù)流挖掘模型.方法及應(yīng)用 目錄
目錄第1章緒論1.1背景概述1.1.1數(shù)據(jù)挖掘1.1.2數(shù)據(jù)流挖掘1.2商業(yè)數(shù)據(jù)流挖掘主要研究概況1.2.1國(guó)外研究現(xiàn)狀1.2.2國(guó)內(nèi)研究現(xiàn)狀1.3商業(yè)數(shù)據(jù)流挖掘的基本概念1.3.1商業(yè)數(shù)據(jù)流的基本定義1.3.2商業(yè)數(shù)據(jù)流挖掘的基本流程1.3.3商業(yè)數(shù)據(jù)流挖掘的主要模型和方法1.4商業(yè)數(shù)據(jù)流挖掘的典型應(yīng)用1.4.1分布式零售數(shù)據(jù)流挖掘應(yīng)用1.4.2網(wǎng)購數(shù)據(jù)流挖掘應(yīng)用1.5本書的主要內(nèi)容和結(jié)構(gòu)參考文獻(xiàn)第2章商業(yè)數(shù)據(jù)流管理模型2.1商業(yè)數(shù)據(jù)流特點(diǎn)2.2商業(yè)數(shù)據(jù)流管理模型2.2.1商業(yè)數(shù)據(jù)流描述模型2.2.2商業(yè)數(shù)據(jù)流分層管理模型2.3商業(yè)數(shù)據(jù)流預(yù)處理模型2.3.1商業(yè)數(shù)據(jù)流降維模型2.3.2商業(yè)數(shù)據(jù)流噪聲處理模型2.4本章小結(jié)參考文獻(xiàn)第3章商業(yè)數(shù)據(jù)流概念漂移模型3.1商業(yè)數(shù)據(jù)流概念漂移描述模型3.1.1商業(yè)數(shù)據(jù)流中的概念漂移概述3.1.2基于粒計(jì)算的商業(yè)數(shù)據(jù)流概念模型3.2商業(yè)數(shù)據(jù)流概念漂移特征提取模型3.2.1商業(yè)數(shù)據(jù)流概念漂移特征發(fā)現(xiàn)模型3.2.2商業(yè)數(shù)據(jù)流概念漂移特征抽取模型3.3商業(yè)數(shù)據(jù)流概念漂移檢測(cè)模型3.3.1基于概念格的數(shù)據(jù)流漂移檢測(cè)模型3.3.2基于hsmm的用戶興趣漂移檢測(cè)模型3.3.3融入簇強(qiáng)度的數(shù)據(jù)流漂移檢測(cè)模型3.4本章小結(jié)參考文獻(xiàn)第4章面向商業(yè)數(shù)據(jù)流的關(guān)聯(lián)規(guī)則方法4.1web數(shù)據(jù)流*大頻繁項(xiàng)集挖掘算法4.1.1amfi算法相關(guān)定義4.1.2算法描述4.1.3算法小結(jié)4.2基于時(shí)序輪盤模型的數(shù)據(jù)流頻繁模式挖掘算法4.2.1時(shí)序輪盤ttlc算法4.2.2mfsht算法4.2.3實(shí)驗(yàn)結(jié)果及分析4.2.4算法小結(jié)4.3分布式關(guān)聯(lián)規(guī)則同步算法和異步算法4.3.1網(wǎng)狀分布式環(huán)境下同步算法ndma4.3.2星形分布式環(huán)境下異步算法sdma4.3.3算法小結(jié)4.4分布式無冗余數(shù)據(jù)流關(guān)聯(lián)規(guī)則異步算法4.4.1相關(guān)概念和定理4.4.2算法描述與分析4.4.3實(shí)驗(yàn)結(jié)果及分析4.4.4算法小結(jié)4.5本章小結(jié)參考文獻(xiàn)第5章面向商業(yè)數(shù)據(jù)流的分類方法5.1基于模糊積分融合的數(shù)據(jù)流分類挖掘算法5.1.1模糊測(cè)度與模糊積分理論5.1.2基于choquet模糊積分融合的多模糊id3數(shù)據(jù)流分類算法5.1.3算法描述及分析5.1.4算法小結(jié)5.2基于增量存儲(chǔ)樹的集成貝葉斯分類數(shù)據(jù)流挖掘算法5.2.1集成貝葉斯分類器構(gòu)建5.2.2構(gòu)建cmcdst算法模型5.2.3實(shí)驗(yàn)結(jié)果及分析5.2.4算法小結(jié)5.3基于相關(guān)度的數(shù)據(jù)流關(guān)聯(lián)分類算法5.3.1基于相關(guān)度關(guān)聯(lián)分類算法的設(shè)計(jì)思想5.3.2基于相關(guān)度的關(guān)聯(lián)分類算法5.3.3實(shí)驗(yàn)結(jié)果及分析5.3.4算法小結(jié)5.4基于情景特征的數(shù)據(jù)流前饋動(dòng)態(tài)集成分類算法5.4.1問題描述5.4.2基于情景特征的前饋動(dòng)態(tài)集成分類思想5.4.3實(shí)驗(yàn)結(jié)果及分析5.4.4算法小結(jié)5.5基于信息熵差異性度量的數(shù)據(jù)流增量集成分類算法5.5.1問題描述5.5.2基于信息熵差異性度量的增量集成分類算法5.5.3算法小結(jié)5.6基于mapreduce技術(shù)的數(shù)據(jù)流并行集成分類算法5.6.1問題描述5.6.2相關(guān)理論研究5.6.3基于云計(jì)算的并行集成分類器5.6.4實(shí)驗(yàn)結(jié)果及分析5.6.5算法小結(jié)5.7本章小結(jié)參考文獻(xiàn)第6章面向商業(yè)數(shù)據(jù)流的聚類方法6.1基于密度的數(shù)據(jù)流聚類算法6.1.1問題描述6.1.2數(shù)據(jù)流管理模型及算法架構(gòu)6.1.3主成分和密度融合的數(shù)據(jù)流聚類模型6.1.4pdstream算法設(shè)計(jì)6.1.5實(shí)驗(yàn)結(jié)果及分析6.1.6算法小結(jié)6.2基于小波網(wǎng)絡(luò)的多維時(shí)間序列耦合特征聚類算法6.2.1相關(guān)工作6.2.2基于小波網(wǎng)絡(luò)的數(shù)據(jù)壓縮6.2.3多維時(shí)間序列耦合特征提取6.2.4聚類算法描述6.2.5實(shí)驗(yàn)結(jié)果及分析6.2.6算法小結(jié)6.3并行web數(shù)據(jù)流聚類算法6.3.1研究進(jìn)展及相關(guān)模型6.3.2jpstream算法描述6.3.3實(shí)驗(yàn)結(jié)果及分析6.3.4算法小結(jié)6.4融入簇存在強(qiáng)度的數(shù)據(jù)流聚類方法6.4.1融入不確定性的web用戶分析模型6.4.2簇存在強(qiáng)度6.4.3融入簇存在強(qiáng)度的數(shù)據(jù)流聚類算法6.4.4實(shí)驗(yàn)結(jié)果及分析6.4.5算法小結(jié)6.5本章小結(jié)參考文獻(xiàn)第7章商業(yè)數(shù)據(jù)流挖掘應(yīng)用——分布式零售數(shù)據(jù)7.1實(shí)驗(yàn)數(shù)據(jù)來源與實(shí)驗(yàn)環(huán)境7.1.1實(shí)驗(yàn)數(shù)據(jù)來源7.1.2挖掘?qū)嶒?yàn)環(huán)境7.2基于多支持向量機(jī)的分布式客戶流失預(yù)測(cè)應(yīng)用7.2.1單站點(diǎn)客戶流失預(yù)測(cè)分析7.2.2多站點(diǎn)客戶流失預(yù)測(cè)分析7.2.3結(jié)果分析7.3基于分布式關(guān)聯(lián)分類的連鎖零售業(yè)客戶細(xì)分應(yīng)用7.3.1數(shù)據(jù)準(zhǔn)備7.3.2模型的訓(xùn)練與測(cè)試7.3.3結(jié)果分析7.4本章小結(jié)參考文獻(xiàn)第8章商業(yè)數(shù)據(jù)流挖掘應(yīng)用——網(wǎng)購數(shù)據(jù)8.1實(shí)驗(yàn)數(shù)據(jù)來源與實(shí)驗(yàn)環(huán)境8.1.1實(shí)驗(yàn)數(shù)據(jù)來源8.1.2挖掘?qū)嶒?yàn)環(huán)境8.2基于行為特征分析的用戶聚類算法的應(yīng)用分析8.2.1聚類步驟8.2.2聚類評(píng)估方法8.2.3用戶聚類結(jié)果與分析8.3概念漂移約束驅(qū)動(dòng)的關(guān)聯(lián)規(guī)則挖掘算法的應(yīng)用分析8.3.1概念漂移約束驅(qū)動(dòng)的關(guān)聯(lián)規(guī)則挖掘8.3.2情境強(qiáng)度約束的模式挖掘與推薦8.3.3基于推薦系統(tǒng)的算法評(píng)測(cè)與分析8.4用戶興趣挖掘模型的應(yīng)用分析8.4.1用戶情境本體模型構(gòu)建8.4.2用戶興趣特征提取實(shí)驗(yàn)分析8.4.3用戶興趣漂移檢測(cè)實(shí)驗(yàn)8.5本章小結(jié)參考文獻(xiàn)第9章總結(jié)與展望9.1本書總結(jié)9.2未來展望
展開全部
商業(yè)數(shù)據(jù)流挖掘模型.方法及應(yīng)用 作者簡(jiǎn)介
琚春華 浙江工商大學(xué)信息學(xué)院院長(zhǎng)，教授/博士/博士生導(dǎo)師。__eol__琚春華(Ju ChunHua)，男，1962年7月生，浙江常山縣人，中共黨員，浙江工商大學(xué)科技處處長(zhǎng)，教授、博士，浙江工商大學(xué)工商管理學(xué)院博士生導(dǎo)師。浙江省“151人才工程”第一層次人選，國(guó)務(wù)院特殊津貼獲得者，中國(guó)科學(xué)技術(shù)情報(bào)學(xué)會(huì)第七屆理事會(huì)理事、常務(wù)理事，全國(guó)新世紀(jì)優(yōu)秀人才支持計(jì)劃學(xué)術(shù)帶頭人，浙江省重點(diǎn)學(xué)科（管理科學(xué)與工程）帶頭人，浙江省電子商務(wù)與物流優(yōu)化創(chuàng)新團(tuán)隊(duì)負(fù)責(zé)人，高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金獲得者，第十一屆“挑戰(zhàn)杯”全國(guó)大學(xué)生學(xué)術(shù)科技作品競(jìng)賽優(yōu)秀指導(dǎo)教師。
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
伯納黛特,你要去哪(2021新版)
- >
上帝之肋:男人的真實(shí)旅程
- >
李白與唐代文化
- >
巴金－再思錄
- >
莉莉和章魚
- >
有舍有得是人生
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
本類暢銷
