掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
大數據與智能計算 版權信息
- ISBN：9787118112474
- 條形碼：9787118112474 ; 978-7-118-11247-4
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據與智能計算 本書特色
D.P.阿奇利亞、薩特旦安達·德忽爾、敘格塔· 桑亞爾編*的這本《大數據與智能計算》面向不同領 域的大數據分析研究和從業人員介紹理論前沿，同時 將大數據前沿理論應用于求解生活中實際問題。本書 包括三個部分：**部分主要介紹大數據分析的理論 基礎，如面向大數據的時序預測，混合智能技術，使 用神經智集進行決策等；第二部分討論面向大數據分 析的框架結構問題，如高效分組遺傳算法、大數據在 醫療領域的應用等；第三部分討論與云計算相關的議 題。
本書可作為各大學計算機科學與工程、管理科學 與工程、系統工程等專業本科生和研究生的教材，也 可作為相關研究機構和企業從事人工智能、數據挖掘 以及電子商務等專業研究和工作的相關人員的參考書 籍。
大數據與智能計算 內容簡介
D.P.阿奇利亞、薩特旦安達·德忽爾、敘格塔·桑亞爾編著的這本《大數據與智能計算》面向不同領域的大數據分析研究和從業人員介紹理論前沿，同時將大數據前沿理論應用于求解生活中實際問題。本書包括三個部分：**部分主要介紹大數據分析的理論基礎，如面向大數據的時序預測，混合智能技術，使用神經智集進行決策等；第二部分討論面向大數據分析的框架結構問題，如高效分組遺傳算法、大數據在醫療領域的應用等；第三部分討論與云計算相關的議題。 本書可作為各大學計算機科學與工程、管理科學與工程、系統工程等專業本科生和研究生的教材，也可作為相關研究機構和企業從事人工智能、數據挖掘以及電子商務等專業研究和工作的相關人員的參考書籍。
大數據與智能計算 目錄
**部分 大數據分析理論基礎
atrain分布式系統(ADS)：面向任何四維特征大數據的可變規模數據架構1 引言2 r-train(train)和r-atrain(atrain)：大數據數據結構2.1 類數組2.2 面向同構大數據的同構數據結構r-train2.3 r-atrain(atrain)：面向大數據的高效異構數據結構3 立體矩陣和立體類矩陣(用于大數據和暫存大數據)3.1 立體矩陣和立體類矩陣3.2 三維立體矩陣及其特點4 （元素為數值的）立體矩陣代數運算5 面向立體矩陣／類矩陣的同構數據結構MT5.1 三維立體矩陣（三維立體類矩陣）的應用6 異構矩陣和異構類矩陣：異構大數據的存儲模型7 用于大數據的atrain分布式系統7.1 atrain分布式系統7.2 用于ADS的“多馬拉車”拓撲結構和循環拓撲結構8 atrain分布式系統中的異構數據結構r-atrain8.1 在ADS中r-atrain的數據類8.2 環形train和環形atrain8.3 面向大數據的ADS內r-atrain的基本操作9 用于大數據立體異構類矩陣的異構數據結構MA10 結論參考文獻
大數據時序預測模型：基于模糊神經網絡的混合方法1 引言2 模糊集基礎3 混合模糊-神經網絡與大數據時間序列3.1 神經網絡：綜述3.2 混合模糊-神經網絡方法：應用于大數據時序預測問題的新方法4 數據集描述5 方法與算法5.1 EIBD方法5.2 大數據時序預測模型算法6 面向大數據的模糊神經網絡預測模型7 性能分析參數8 實證分析8.1 M因子預測8.2 雙因子預測8.3 三因子預測8.4 統計顯著性9 結論與討論參考文獻
基于混合智能技術的學習方法1 引言2 基于智能混合粒子群和快速約簡算法的基因選擇方法2.1 粒子群算法2.2 算法步驟2.3 算法執行與結果3 面向癌癥分類問題的基于粗糙集的混合基因選擇3.1 粗糙集3.2 基于基因選擇的粗糙集方法3.3 有監督條件下的基于相關性的約簡算法(CFS-RST)3.4 算法執行與結果4 面向微陣列數據分類精度增強的混合數據挖掘技術(CFS-PLS)4.1 SIMPLS與分類框架中的維度約簡4.2 偏*小二乘回歸4.3 算法執行與結果5 結論6 工作展望參考文獻
智集及其在決策中的應用1 引言2 單值智集3 多個單值智集的距離、相似性與熵3.1 兩個智集之間的距離3.2 兩個單值智集間的相似性4 區間值智集軟集4.1 軟集4.2 區間智集軟集4.3 IVNSS在決策支持中的應用5 結論參考文獻第二部分 面向大數據分析的框架結構
一種用于數據聚類和大數據分析的高效分組遺傳算法1 引言2 定義3 算法3.1 編碼3.2 適應度函數3.3 選擇算子3.4 交叉算子3.5 變異算子3.6 取代和精英策略3.7 局部搜索4 聚類分析的驗證5 實驗與評價5.1 數據集5.2 結果6 結論參考文獻
用于大規模優化的Nelder Mead交叉Log-Logistic突變自組織遷移算法1 引言2 自組織遷移算法3 NMSOMA-M算法3.1 NM交叉算子3.2 Log—Logistic突變算子3.3 NMSOMA-M算法步驟4 基準函數5 基準問題的數值結果6 結論參考文獻
面向數據分析的大數據應用縱覽1 引言2 醫療領域的大數據3 大數據分析框架3.1 大數據3.2 數據的預處理3.3 訓練集3.4 數據挖掘技術3.5 描述和可視化4 結果和實現5 結論參考文獻
腦電信號基本原理及其在醫療領域的應用1 引言2 腦電波2.1 自發的腦電圖波2.2 事件相關電位2.3 基于腦電圖的系統的組成3 視覺刺激生成4 腦信號的處理4.1 預處理4.2 特征提取4.3 特征選擇與壓縮4.4 分類5 結論6 未來展望參考文獻第三部分 大數據分析及云計算
大數據：基于云技術的數據密集型應用處理1 引言2 云計算及大數據2.1 云技術為大數據提供的優勢3 云計算中的大數據處理所面臨的挑戰3.1 數據獲得和存儲3.2 數據傳輸3.3 數據策管3.4 數據分析3.5 數據可視化4 大數據云工具：一種新的技術手段4.1 基于MapReduce的大數據處理4.2 基于HacIoop的大數據處理4.3 Cloudant4.4 Xeround4.5 StormDB4.6 SAP4.7 Rackspace4.8 MongoLab4.9 Microsoft Azure4.10 Google Cloud SQL4.11 Garantia Data4.12 EnterpRiseDB4.13 Amazon Web Services5 結論參考文獻
基于模型驅動的異構云框架1 引言2 背景2.1 云計算2.2 模型驅動工程2.3 使用多個云的必要性2.4 遷移的難點3 應用至云端的現代化技術3.1 已有的技術4 云應用的可移植性問題5 已提出的方法6 結論參考文獻
基于云端的大數據分析：廣域網優化技術與解決方案1 引言2 廣域網優化2.1 問題及挑戰3 廣域網優化技術3.1 面向視頻監控的廣域網優化4 提高應用性能的工具4.1 藍衣應用輔助網絡5 廣域網優化設備6 廣域網優化控制器6.1 面向大數據和批量數據傳輸的補充廣域網優化控制器6.2 廣域網優化控制器的比較：評估供應商和產品7 廣域網優化應用于大數據分析7.1 廣域網優化的大數據分析的關鍵趨勢7.2 大數據下廣域網優化的驅動8 廣域網優化解決方案8.1 Infineta系統和Q架構8.2 BIG-IP廣域網優化管理8.3 邊緣虛擬服務器基礎架構8.4 EMC Isilon和Silver Bank廣域網優化8.5 F5廣域網優化模塊8.6 BIG-IP廣域網優化模塊8.7 面向甲骨文數據庫快速復制的F5廣域網優化9 未來發展研究趨勢9.1 虛擬數據環境和云服務中的廣域網優化9.2 廣域網優化產品的局限性9.3 加速數據遷移與廣域網優化10 結論參考文獻
基于云計算的電子政務方案：案例分析1 引言2 ACME發展部管理系統3 云方案3.1 技術方案構架3.2 模塊式aDAMS方案4 結論參考文獻
展開全部
書友推薦
- >
莉莉和章魚
- >
龍榆生：詞曲概論/大家小書
- >
伯納黛特,你要去哪(2021新版)
- >
自卑與超越
- >
史學評論
- >
唐代進士錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
