掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
計算機科學叢書數據挖掘(原理與實踐進階篇)/計算機科學叢書 版權信息
- ISBN：9787111670308
- 條形碼：9787111670308 ; 978-7-111-67030-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
計算機科學叢書數據挖掘(原理與實踐進階篇)/計算機科學叢書 本書特色
適讀人群 ：對于學生、業界從業者以及科研人員，本書既可以數據挖掘高級課程的教材，也可以作為從事大數據和數據挖掘工作的參考書。本書中文版分為基礎篇和進階篇，深入探討了數據挖掘的各個方面，從基礎知識到復雜的數據類型及其應用，涉及數據挖掘的各種問題領域。全書既有基本方法，也有進階內容，彼此融為一體，這使得本書既可以作為數據挖掘領域的工具書，也可以作為數據科學、人工智能、計算機等相關專業本科及研究生教材。 1、大數據和人工智能時代的數據挖掘教材，將數據挖掘歸納成四個基本問題：聚類、分類、關聯模式挖掘和異常分析，不僅詳解數據挖掘的基礎知識，而且還介紹高級數據類型，結合復雜多樣的實際數據環境，探討數據挖掘的應用場景和使用方法。 2、作譯者均為數據挖掘領域資深學者。作者是IBM T. J. Watson研究中心杰出研究員阿加沃爾博士，他擅長將計算機科學問題提煉成數學問題，而且又能用計算機科學方法解決實際問題，本書是他的代表作之一。翻譯工作由國內四位數據挖掘領域的翹楚，復旦大學王曉陽教授、清華大學王建勇教授、加拿大約克大學禹曉輝教授、中科院計算所陳世敏研究員歷時5年時間完成，字斟句酌，精益求精。 3、全書注重原理和方法，既有基本方法，也有進階內容，幫助讀者在數據挖掘及人工智能應用方面打下良好基礎。
計算機科學叢書數據挖掘(原理與實踐進階篇)/計算機科學叢書 內容簡介
全書理論聯系實際，全面講述數據挖據理論、技術及應用的教材。研討了數據挖掘的方方面面，從基礎理論到復雜數據類型及其應用。不僅討論傳統的數據挖掘問題，而且介紹了不錯數據類型，例如文本、時間序列、離散序列、空間數據、圖數據和社會網絡。本書由基礎篇和進階篇組成；A篇對應原書的～11章，進階篇對應原書的2～20章。
計算機科學叢書數據挖掘(原理與實踐進階篇)/計算機科學叢書 目錄
目 錄
Data Mining: The Textbook
出版者的話
譯者序
前言
第14章 時間序列數據挖掘1
14.1 引言1
14.2 時間序列的前期準備和相似性度量2
14.2.1 缺失值處理2
14.2.2 噪聲去除3
14.2.3 歸一化4
14.2.4 數據轉換和約簡5
14.2.5 時間序列相似性度量6
14.3 時間序列預測7
14.3.1 自回歸模型9
14.3.2 自回歸移動平均模型10
14.3.3 帶有隱含變量的多元預測11
14.4 時間序列模體13
14.4.1 基于距離的模體14
14.4.2 轉換為序列模式挖掘15
14.4.3 周期模式16
14.5 時間序列聚類16
14.5.1 共同演化序列的在線聚類17
14.5.2 基于形狀的聚類19
14.6 時間序列異常檢測20
14.6.1 點異常21
14.6.2 形狀異常22
14.7 時間序列分類23
14.7.1 有監督事件檢測23
14.7.2 全時序分類26
14.8 小結27
14.9 文獻注釋27
14.10 練習題28
第15章 離散序列挖掘29
15.1 引言29
15.2 序列模式挖掘30
15.2.1 頻繁模式到頻繁序列32
15.2.2 約束的序列模式挖掘34
15.3 序列聚類35
15.3.1 基于距離的方法36
15.3.2 基于圖的方法36
15.3.3 基于序列的聚類37
15.3.4 概率聚類37
15.4 序列中的異常檢測40
15.4.1 位置異常40
15.4.2 組合異常44
15.5 隱馬爾可夫模型45
15.5.1 HMM的正式定義47
15.5.2 評估：計算觀察序列的擬合概率48
15.5.3 說明：確定觀察序列的*優狀態序列49
15.5.4 訓練：鮑姆韋爾奇算法49
15.5.5 應用50
15.6 序列分類51
15.6.1 *近鄰分類器51
15.6.2 基于圖的方法51
15.6.3 基于規則的方法52
15.6.4 內核SVM52
15.6.5 概率方法：隱馬爾可夫模型54
15.7 小結54
15.8 文獻注釋55
15.9 練習題55
第16章 空間數據挖掘57
16.1 引言57
16.2 上下文空間屬性的挖掘58
16.2.1 形狀到時間序列的轉換58
16.2.2 使用小波分析的空間數據到多維數據的轉換61
16.2.3 共址空間模式62
16.2.4 形狀聚類63
16.2.5 異常檢測64
16.2.6 形狀分類66
16.3 軌跡挖掘67
16.3.1 軌跡數據和多變量時間序列的等價性67
16.3.2 將軌跡轉換為多維數據68
16.3.3 軌跡模式挖掘68
16.3.4 軌跡聚類70
16.3.5 軌跡異常檢測72
16.3.6 軌跡分類73
16.4 小結74
16.5 文獻注釋74
16.6 練習題75
第17章 圖數據挖掘76
17.1 引言76
17.2 圖匹配和距離計算77
17.2.1 同構子圖問題的Ullman算法79
17.2.2 *大公共子圖問題82
17.2.3 用于距離計算的圖匹配方法82
17.3 基于轉換的距離計算86
17.3.1 基于頻繁子結構的轉換和距離計算86
17.3.2 拓撲描述量87
17.3.3 基于內核的轉換和計算89
17.4 圖數據的頻繁子結構挖掘90
17.4.1 基于節點的連接92
17.4.2 基于邊的連接92
17.4.3 頻繁模式挖掘到圖模式挖掘93
17.5 圖聚類93
17.5.1 基于距離的方法94
17.5.2 基于頻繁子結構的方法94
17.6 圖分類 96
17.6.1 基于距離的方法96
17.6.2 基于頻繁子結構的方法97
17.6.3 內核SVM98
17.7 小結98
17.8 文獻注釋99
17.9 練習題99
第18章 挖掘Web數據101
18.1 引言101
18.2 Web爬取和資源發現102
18.2.1 基本爬蟲算法102
18.2.2 偏好爬蟲103
18.2.3 多線程104
18.2.4 爬蟲陷阱應對方法104
18.2.5 檢測近似重復的覆蓋104
18.3 搜索引擎索引和查詢處理105
18.4 排名算法107
18.4.1 PageRank107
18.4.2 HITS111
18.5 推薦系統112
18.5.1 基于內容的推薦114
18.5.2 協同過濾基于鄰域的方法115
18.5.3 基于圖的方法116
18.5.4 聚類方法117
18.5.5 潛在因素模型118
18.6 Web使用記錄的挖掘119
18.6.1 數據預處理120
18.6.2 應用120
18.7 小結121
18.8 文獻注釋121
18.9 練習題122
第19章 社交網絡分析123
19.1 引言123
19.2 社交網絡：預備知識與特性124
19.2.1 同質性124
19.2.2 三元閉合和聚類系數124
19.2.3 網絡構成的動態性125
19.2.4 符合冪定律的度分布126
19.2.5 中心度和聲望的度量126
19.3 社區發現129
19.3.1 Kernighan-Lin算法131
19.3.2 Girvan-Newman算法132
19.3.3 多層次的圖劃分：METIS135
19.3.4 譜聚類137
19.4 協同分類140
19.4.1 迭代分類算法141
19.4.2 隨機游走方式的標簽傳播142
19.4.3 有監督的譜方法145
19.5 鏈接預測147
19.5.1 基于鄰域的度量148
19.5.2 Katz度量149
19.5.3 基于隨機游走的度量150
19.5.4 鏈接預測作為分類問題150
19.5.5 鏈接預測作為缺失值估計問題150
19.5.6 討論151
19.6 社交影響分析151
19.6.1 線性閾值模型152
19.6.2 獨立級聯模型153
19.6.3 影響函數求值153
19.7 小結153
19.8 文獻注釋154
19.9 練習題155
第20章 隱私保護數據挖掘157
20.1 引言157
20.2 數據采集期間的隱私保護158
20.2.1 重建聚合分布158
20.2.2 利用聚合分布來進行數據挖掘160
20.3 數據發布期間的隱私保護160
20.3.1 k匿名模型162
20.3.2 ?多樣性模型172
20.3.3 t相近性模型173
20.3.4 維度災難175
20.4 輸出隱私保護176
20.5 分布式隱私保護177
20.6 小結178
20.7 文獻注釋178
20.8 練習題179
參考文獻181
展開全部
計算機科學叢書數據挖掘(原理與實踐進階篇)/計算機科學叢書 作者簡介
作者簡介： 查魯C. 阿加沃爾（Charu C. Aggarwal）是IBM T. J. Watson研究中心的杰出研究人員，于1996年獲麻省理工學院博士學位。他對數據挖掘領域有著廣泛的研究，在國際會議和期刊上發表了250多篇論文，擁有80多項專利。他曾三次被評為IBM的“杰出發明人”，并曾獲得IBM公司獎、IBM杰出創新獎和兩項IBM杰出技術成就獎。他因為提出基于冷凝的數據挖掘中的隱私保護技術而獲得EDBT2014的時間檢驗獎。他還獲得了IEEE ICDM研究貢獻獎（2015），這是數據挖掘領域對具有突出貢獻的研究的兩個*高獎項之一。.他曾多次擔任ACM/IEEE知名國際學術會議的主席或程序委員會主席，并擔任大數據相關多個知名期刊的主編或編委。由于在知識發現和數據挖掘算法上的貢獻，他入選SIAM、ACM和IEEE的會士。 譯者簡介： 王曉陽 復旦大學特聘教授、博士生導師，中國計算機學會會士，ACM會員，IEEE高級會員。主要研究興趣為大數據分析、數據安全等。于復旦大學獲得計算機科學學士、碩士學位，于美國南加州大學獲得計算機科學博士學位。曾在美國喬治梅森大學、美國佛蒙特大學、美國國家科學基金會任職。2011年至今在復旦大學任職。主持多項美國國家科學基金項目、中國國家重點研發計劃項目、自然科學基金重點項目、上海市重大科研項目等，并發表過百余篇高質量學術論文，現任Springer DSE期刊主編，IEEE ICDE會議系列、IEEE BigComp會議系列指導委員會委員，曾任CCF上海分部主席，IEEE ICDE 2012及ACM CIKM 2014總主席，WAIM會議系列指導委員會主席。曾獲得美國國家科學基金CAREER Award。 王建勇 清華大學計算機系教授，國際電器與電子工程師協會會士（IEEE Fellow），中國人工智能學會會士（CAAI Fellow），江蘇省大數據安全與智能處理重點實驗室首屆學術委員會副主任。主要研究領域為數據挖掘及知識發現。迄今發表論文100余篇（其中單篇*高引用2000余次）。曾擔任IEEE ICDM’19、WISE’15、BioMedCom’14、WAIM’13、ADMA’11、NDBC’10等會議的程序委員會聯合主席以及IEEE TKDE、ACM TKDD和《軟件學報》等期刊的編委。入選2007年度教育部“新世紀優秀人才”支持計劃和2009年度日本大川研究基金資助計劃。獲得WWW’08的Best Posters Award、2009年度和2010年度HP實驗室創新研究獎以及教育部2013年度自然科學獎二等獎。 禹曉輝 南京大學學士、香港中文大學碩士、加拿大多倫多大學博士，加拿大約克大學副教授，山東大學兼職教授、博士生導師，中國計算機學會大數據專委會委員、數據庫專委會委員。研究工作主要集中在大數據管理和分析領域，研究方向涵蓋時空大數據處理與挖掘、面向人工智能的數據管理、社交媒體挖掘等。主持加拿大自然科學與工程理事會基金、中國國家自然科學基金等多項國家和工業界資助的科研項目。在IEEE Trans. on Knowl. & Data Eng.及SIGMOD、VLDB、ICDE等國內外期刊和會議上發表高質量論文近100篇，是3項美國專利的發明人。曾任WAIM2015、CloudDM2015等知名國際會議的程序委員會主席，是國際期刊Information Systems（Elsevier）的編委、加拿大自然科學與工程理事會NSERC特邀評審專家。 陳世敏 中科院計算所研究員，中國科學院大學崗位教師，分別于1997年和1999年獲得清華大學計算機系學士和碩士學位，于2005年在美國卡內基梅隆大學獲得計算機科學博士學位。主要研究方向為數據庫系統和大數據系統。曾在SIGMOD、ISCA、VLDB、ASPLOS、ICDE、CIDR等頂級國際會議和ACM TODS、IEEE TKDE等頂級國際期刊發表過論文，并獲得ICDE’04 Best Paper、SIGMOD’01 Runner-up Best Paper和2008年體系結構國際會議年度頂級論文獎（Top Picks’08）。曾擔任PVLDB 2017、ICDE 2018、ICDCS 2016、CIKM 2014等會議的PC Area Chair，長期擔任大數據新硬件技術的主要Workshop HardBD的Co-Chair。
書友推薦
- >
回憶愛瑪儂
- >
唐代進士錄
- >
【精裝繪本】畫給孩子的中國神話
- >
月亮與六便士
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
經典常談
- >
伊索寓言-世界文學名著典藏-全譯本
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
