中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
地理空間關聯模式挖掘的理論與方法 版權信息
- ISBN：9787030753786
- 條形碼：9787030753786 ; 978-7-03-075378-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
地理空間關聯模式挖掘的理論與方法 本書特色
本書介紹了地理空間關聯模式挖掘的相關理論、方法及應用
地理空間關聯模式挖掘的理論與方法 內容簡介
地理空間關聯模式是現實世界中地理要素關系的一種重要表現形式，亦是地理空間數據挖掘的一種主要地理知識。地理空間關聯模式挖掘旨在從海量、多源、多類型的地理空間數據中發現地理要素或地理事件間的相互依賴關系，這種關系對于地理要素或地理事件間的空間分布模式理解、影響因素分析、演化趨勢預測等方面具有重要的指導意義。然而，如何在地理空間關聯模式挖掘過程中充分考慮地理空間數據的特征（空間自相關、空間異質性、時空動態性）等特征，仍然是地理空間數據挖掘領域亟待深入研究的問題。為此，本著作主要針對地理空間數據的基本特征，全面研究了地理空間關聯模式的主要表現形式和核心挖掘理論與方法。
地理空間關聯模式挖掘的理論與方法 目錄
目錄
“地球觀測與導航技術叢書”編寫說明
前言
第1章 緒論 1
1.1 地理空間數據挖掘與地理關聯模式挖掘 1
1.1.1 地理空間數據挖掘的主要任務 1
1.1.2 地理空間關聯模式挖掘的研究意義 3
1.2 地理空間關聯模式挖掘的研究進展 4
1.2.1 事務型關聯規則挖掘 5
1.2.2 空間關聯模式挖掘 6
1.2.3 時空關聯模式挖掘 8
1.2.4 局部關聯模式挖掘 9
1.3 地理空間關聯模式研究的難點問題 10
1.4 本書的主要內容與結構組織 11
1.5 本章小結 13
參考文獻 14
第2章 地理空間關聯模式挖掘的理論基礎 18
2.1 引言 18
2.2 事務型關聯規則 18
2.2.1 事務與項集 19
2.2.2 頻繁項集與關聯規則 19
2.2.3 先驗原理與Apriori算法 20
2.3 地理空間數據的基本特征與關系表達 23
2.3.1 空間特征 23
2.3.2 屬性特征 23
2.3.3 時間特征 23
2.3.4 尺度特征 26
2.3.5 地理空間數據的基本關系 26
2.4 地理空間關聯模式的分類與特征 28
2.4.1 地理空間關聯模式的分類 28
2.4.2 地理空間關聯模式的特征 29
2.5 地理空間認知理論與表達 31
2.5.1 地理空間認知理論 31
2.5.2 地理空間認知過程與表達 31
2.5.3 地理空間模式挖掘的認知過程 32
2.6 本章小結 33
參考文獻 33
第3章 空間點數據全局關聯模式挖掘方法 35
3.1 引言 35
3.2 基于頻繁模式的挖掘方法 36
3.2.1 事務化的方法 37
3.2.2 免事務的方法 37
3.3 基于空間聚類的挖掘方法 39
3.3.1 圖層聚類的方法 40
3.3.2 要素聚類的方法 40
3.4 基于可視分析的挖掘方法 41
3.5 基于空間統計的挖掘方法 42
3.5.1 基于模式重建的非參數統計方法 45
3.5.2 顧及網絡約束的非參數統計方法 52
3.6 基于混合策略的挖掘方法 65
3.6.1 混合空間聚類與統計的方法 65
3.7 本章小結 77
參考文獻 77
第4章 空間點數據局部關聯模式挖掘方法 82
4.1 引言 82
4.2 基于區域劃分的挖掘方法 83
4.3 基于區域探測的挖掘方法 84
4.4 基于自適應模式聚類的挖掘方法 86
4.4.1 空間同現模式的全局顯著性檢驗 86
4.4.2 空間同現模式的自適應聚類 89
4.4.3 空間局部同現模式的局部顯著性檢驗 90
4.4.4 算法描述與分析 91
4.4.5 實例分析 92
4.5 本章小結 101
參考文獻 101
第5章 空間點數據異常關聯模式挖掘方法 104
5.1 引言 104
5.2 融合多元分布特征的異常關聯模式統計挖掘方法 106
5.2.1 空間異常關聯區域的多向優化擴展 106
5.2.2 二元空間點模式的分布特征重建 109
5.2.3 空間異常關聯模式的顯著性檢驗 112
5.2.4 算法描述 113
5.3 實例分析與比較 113
5.3.1 數據描述 113
5.3.2 結果分析 114
5.4 本章小結 116
參考文獻 117
第6章 時空點數據關聯模式挖掘方法 119
6.1 引言 119
6.2 基于時空分治的挖掘方法 120
6.2.1 混合時空同現模式挖掘方法 120
6.2.2 持續時空同現模式挖掘方法 122
6.2.3 稀有時空同現模式挖掘方法 123
6.3 基于維度附加的挖掘方法 125
6.3.1 全序時空同現模式挖掘方法 125
6.3.2 偏序時空同現模式挖掘方法 128
6.3.3 無序時空同現模式挖掘方法 129
6.4 基于時空點過程的參數統計方法 130
6.4.1 時空要素分布特征的探索性分析 130
6.4.2 基于時空點過程的零模型構建 131
6.4.3 無序時空同現模式的顯著性檢驗 134
6.4.4 算法描述 136
6.4.5 實例分析 136
6.5 基于時空模式重建的非參數統計方法 142
6.5.1 基于時空模式重建的零模型構建 142
6.5.2 基于顯著性檢驗的無序時空同現模式判別 144
6.5.3 算法描述 144
6.5.4 實例分析 145
6.6 本章小結 149
參考文獻 149
第7章 地理事件時空關聯模式挖掘方法 152
7.1 引言 152
7.2 地理事件動態性的表現形式與表達模型 153
7.2.1 地理事件動態性的表現形式 153
7.2.2 地理事件動態性的表達模型 154
7.3 地理事件時空擴散模式統計挖掘方法 157
7.3.1 基于時空有向路徑的時空擴散模式挖掘方法 157
7.3.2 時空擴散模式的統計判別模型 159
7.4 地理事件時空演變模式統計挖掘方法 161
7.4.1 本體模型 161
7.4.2 本體模型事件的自適應提取方法 161
7.4.3 融合本體模型的時空演變模式統計挖掘方法 163
7.5 實例分析 164
7.5.1 實驗數據 164
7.5.2 PM2.5空氣污染事件的時空擴散模式分析 165
7.5.3 PM2.5空氣污染變化的時空關聯因素探測 168
7.6 本章小結 172
參考文獻 172
第8章 總結與展望 174
8.1 本書主要內容總結 174
8.2 未來研究工作展望 175
彩圖
“地球觀測與導航技術叢書”編寫說明
前言
第1章 緒論 1
1.1 地理空間數據挖掘與地理關聯模式挖掘 1
1.1.1 地理空間數據挖掘的主要任務 1
1.1.2 地理空間關聯模式挖掘的研究意義 3
1.2 地理空間關聯模式挖掘的研究進展 4
1.2.1 事務型關聯規則挖掘 5
1.2.2 空間關聯模式挖掘 6
1.2.3 時空關聯模式挖掘 8
1.2.4 局部關聯模式挖掘 9
1.3 地理空間關聯模式研究的難點問題 10
1.4 本書的主要內容與結構組織 11
1.5 本章小結 13
參考文獻 14
第2章 地理空間關聯模式挖掘的理論基礎 18
2.1 引言 18
2.2 事務型關聯規則 18
2.2.1 事務與項集 19
2.2.2 頻繁項集與關聯規則 19
2.2.3 先驗原理與Apriori算法 20
2.3 地理空間數據的基本特征與關系表達 23
2.3.1 空間特征 23
2.3.2 屬性特征 23
2.3.3 時間特征 23
2.3.4 尺度特征 26
2.3.5 地理空間數據的基本關系 26
2.4 地理空間關聯模式的分類與特征 28
2.4.1 地理空間關聯模式的分類 28
2.4.2 地理空間關聯模式的特征 29
2.5 地理空間認知理論與表達 31
2.5.1 地理空間認知理論 31
2.5.2 地理空間認知過程與表達 31
2.5.3 地理空間模式挖掘的認知過程 32
2.6 本章小結 33
參考文獻 33
第3章 空間點數據全局關聯模式挖掘方法 35
3.1 引言 35
3.2 基于頻繁模式的挖掘方法 36
3.2.1 事務化的方法 37
3.2.2 免事務的方法 37
3.3 基于空間聚類的挖掘方法 39
3.3.1 圖層聚類的方法 40
3.3.2 要素聚類的方法 40
3.4 基于可視分析的挖掘方法 41
3.5 基于空間統計的挖掘方法 42
3.5.1 基于模式重建的非參數統計方法 45
3.5.2 顧及網絡約束的非參數統計方法 52
3.6 基于混合策略的挖掘方法 65
3.6.1 混合空間聚類與統計的方法 65
3.7 本章小結 77
參考文獻 77
第4章 空間點數據局部關聯模式挖掘方法 82
4.1 引言 82
4.2 基于區域劃分的挖掘方法 83
4.3 基于區域探測的挖掘方法 84
4.4 基于自適應模式聚類的挖掘方法 86
4.4.1 空間同現模式的全局顯著性檢驗 86
4.4.2 空間同現模式的自適應聚類 89
4.4.3 空間局部同現模式的局部顯著性檢驗 90
4.4.4 算法描述與分析 91
4.4.5 實例分析 92
4.5 本章小結 101
參考文獻 101
第5章 空間點數據異常關聯模式挖掘方法 104
5.1 引言 104
5.2 融合多元分布特征的異常關聯模式統計挖掘方法 106
5.2.1 空間異常關聯區域的多向優化擴展 106
5.2.2 二元空間點模式的分布特征重建 109
5.2.3 空間異常關聯模式的顯著性檢驗 112
5.2.4 算法描述 113
5.3 實例分析與比較 113
5.3.1 數據描述 113
5.3.2 結果分析 114
5.4 本章小結 116
參考文獻 117
第6章 時空點數據關聯模式挖掘方法 119
6.1 引言 119
6.2 基于時空分治的挖掘方法 120
6.2.1 混合時空同現模式挖掘方法 120
6.2.2 持續時空同現模式挖掘方法 122
6.2.3 稀有時空同現模式挖掘方法 123
6.3 基于維度附加的挖掘方法 125
6.3.1 全序時空同現模式挖掘方法 125
6.3.2 偏序時空同現模式挖掘方法 128
6.3.3 無序時空同現模式挖掘方法 129
6.4 基于時空點過程的參數統計方法 130
6.4.1 時空要素分布特征的探索性分析 130
6.4.2 基于時空點過程的零模型構建 131
6.4.3 無序時空同現模式的顯著性檢驗 134
6.4.4 算法描述 136
6.4.5 實例分析 136
6.5 基于時空模式重建的非參數統計方法 142
6.5.1 基于時空模式重建的零模型構建 142
6.5.2 基于顯著性檢驗的無序時空同現模式判別 144
6.5.3 算法描述 144
6.5.4 實例分析 145
6.6 本章小結 149
參考文獻 149
第7章 地理事件時空關聯模式挖掘方法 152
7.1 引言 152
7.2 地理事件動態性的表現形式與表達模型 153
7.2.1 地理事件動態性的表現形式 153
7.2.2 地理事件動態性的表達模型 154
7.3 地理事件時空擴散模式統計挖掘方法 157
7.3.1 基于時空有向路徑的時空擴散模式挖掘方法 157
7.3.2 時空擴散模式的統計判別模型 159
7.4 地理事件時空演變模式統計挖掘方法 161
7.4.1 本體模型 161
7.4.2 本體模型事件的自適應提取方法 161
7.4.3 融合本體模型的時空演變模式統計挖掘方法 163
7.5 實例分析 164
7.5.1 實驗數據 164
7.5.2 PM2.5空氣污染事件的時空擴散模式分析 165
7.5.3 PM2.5空氣污染變化的時空關聯因素探測 168
7.6 本章小結 172
參考文獻 172
第8章 總結與展望 174
8.1 本書主要內容總結 174
8.2 未來研究工作展望 175
彩圖
展開全部
地理空間關聯模式挖掘的理論與方法 節選
第1章緒論 1.1地理空間數據挖掘與地理關聯模式挖掘 1.1.1地理空間數據挖掘的主要任務 城市化的發展是促進人類進步和社會經濟發展的重要驅動力。中國的城市化被諾貝爾經濟學獎得主——約瑟夫 斯蒂格利茨（Joseph Eugene Stiglitz）認為是除美國高科技之外影響21世紀人類社會發展進程的另一件大事。中科院發布《中國新型城市化報告2012》指出：2011年中國城市化率首次突破50%，意味著中國城鎮人口首次超過農村人口，中國城市化已經進入快速發展的關鍵階段，這必將引起深刻的社會變革。城市化進程涉及人口分布遷移、土地利用變化、產業結構調整、經濟形態變遷等一系列復雜的演化與轉型過程（劉海猛等，2019）。然而，在城市化進程不斷推進的同時，交通擁堵、環境惡化、生態失調、秩序混亂等諸多“城市病”問題亦日益凸顯。中共中央、國務院印發《國家新型城鎮化規劃（2014－2020年）》指出：我國“城市病”問題的重要原因在于城鎮空間分布和規模結構不合理，與資源環境承載能力不匹配。城市化進程中人－地關聯關系的不協調已然成為構建可持續發展的新型智慧城市的“卡脖子”問題。為深入整治“城市病”、實現人與自然協同共進的美好愿景，近十年來國際上“未來地球計劃”“恢復力聯盟（Resilience Alliance）”“人與自然耦合系統項目（Coupled Human and Nature System）（Liu et al.，2007）”以及國家自然科學基金重大項目（傅伯杰，2014;方創琳等，2016）、國家重點基礎研究發展計劃項目（鄔建國等，2014）等重大科學研究項目均致力于推進城市化進程中人與自然關聯機理的研究。可見，探究城市化進程中人文與自然地理要素間的關聯與協調機制既是地球科學的前沿研究熱點（傅伯杰等，2015），亦是國家戰略對可持續城市化健康發展提出的迫切需求。 當前雖已累積了大量的地理空間數據，但數據中蘊含的深層次規律和知識卻難以被感知（馬榮華等，2007）。早在20世紀80年代末，國內外學者們就意識到數據中隱藏著大量的知識，并提出從數據庫中發現知識。隨后，數據庫被形象地比喻為礦床，從中發現知識的過程被稱為數據挖掘。數據挖掘技術是融合數據庫、數理統計、模式識別、機器學習等眾多領域的相關理論和方法的綜合性技術，旨在從海量的數據中發現“潛在的、未知的、深層次的、有應用指導價值”的知識（Miller et al.，2009;Han et al.，2011;劉大有等，2013;李德仁，2016），從而解決“數據豐富而知識匱乏”的困境。通常認為，數據挖掘是知識發現中通過特定算法在可接受的計算效率限制內生成特定模式的一個步驟，因此數據挖掘和知識發現的概念常被一起使用（李德仁等，2013）。 通過現有研究可以發現，在計算機領域已提出了眾多數據挖掘模型和方法，但這些模型和方法難以直接移植應用于地理空間數據，主要因為地理空間數據具有諸多特性，如空間/時空相關性、異質性、尺度依賴性。這些獨特性使得地理空間數據挖掘仍然是當前地理信息科學領域的熱點和難點問題。首先，地理空間數據的采集和獲取速度遠非傳統事務型數據所能比擬。例如，對地觀測技術已成為當前人類獲取資源環境動態信息的重要手段，對地觀測系統已形成一個多層次、多角度、全方位、全天候的全球立體觀測網，高、中、低軌道結合，大、中、小衛星協同，粗、細、精分辨率互補，從而使得數據獲取呈爆炸式增長，數據量需以TB、PB級（甚至更大）計算。以Landsat為例，每兩周就可以獲取一套覆蓋全球的衛星影像數據，目前已經積累了全球幾十年的數據（李德仁等，2000）。其次，地理空間數據來源多種多樣，可能來自不同的部門，使用不同的傳感器，導致數據的結構、標準、分辨率等也各不相同，數據的多源性、異構性同樣給數據分析帶來困難（Zheng，2015）。*后，由于地理空間數據的不確定性、時空依賴性、分布異質性及多尺度特性（裴韜等，2001），導致經典數理統計分析模型及已有數據挖掘模型不能適用于地理空間數據。考慮到地理空間數據獨特性以及蘊含的豐富知識，李德仁院士于1994年在加拿大GIS國際學術會議上率先提出了從GIS空間數據庫中發現知識的概念，并系統闡述了空間知識發現的特點和方法（Li et al.，1994）。隨后，李德仁院士進一步提出空間數據挖掘和知識發現，并創新性地研究了空間數據挖掘與知識發現的理論、技術及方法（李德仁等，2001，2002）。 *初，空間數據挖掘主要側重于發現數據在空間的分布模式和規律。隨著數據獲取速度的提升，空間數據的時效性越來越強，從而使得空間數據挖掘不再局限于只發現空間維度的規律，而是綜合考慮數據在空間、時間維度的分布特征和規律，即時空數據挖掘，亦稱作地理空間數據挖掘（李連發等，2014）。當前，地理空間數據挖掘已開展了大量的研究，主要內容大致可分為：空間/時空聚集模式挖掘、空間/時空異常模式挖掘、空間/時空關聯模式挖掘和時空演化模式挖掘（Miller et al.，2009;Shekhar et al.，2011），旨在探索時空分布模式、推理時空關系、建模時空行為并預測時空演化趨勢。隨著大數據時代的到來，地理空間數據挖掘需要融合不同領域、不同來源、不同類型的地理空間數據，對地理空間數據中隱藏的時空模式進行多視角、全方位的描述，發現其中蘊含的深層次關聯關系，以更好地服務于地理現象的解釋與預測。 1.1.2地理空間關聯模式挖掘的研究意義 由于地理空間數據中同時蘊含有空間、時間信息，地理空間關聯模式不僅體現在地理現象間屬性的關聯，同時體現在地理現象在空間位置和時間次序上的依賴關系，從而使得地理空間關聯模式的形式更為多變，應用也更為廣泛。地理空間關聯模式挖掘不僅可單獨作為一種時空關聯知識的診斷性分析工具（朱慶等，2017），亦可為其他地理空間數據挖掘方法（如聚類分析、異常探測和預測建模）提供重要的知識補充（鄧敏等，2020），其研究意義可主要歸納為： （1）地理空間關聯模式對于深入理解不同地理要素間的時空交互作用機制具有重要的科學價值。地理空間關聯模式是對不同地理要素在鄰近空間位置和時間上依賴關系的空間認知與抽象表達，是時空關聯關系在時空域內*為直接的表現形式。例如，在經濟學領域中，具有資源共享、供需合作等關聯關系的企業會在空間上鄰近，進而產生聚集經濟效應（吳學花，2010），發現該類空間關聯模式是解釋企業間交互機制的重要依據，且對產業結構的調整與規劃具有重要指導意義（田晶等，2015）。 （2）地理空間關聯模式可以作為多類別地理要素聚集模式的關鍵指示性特征，服務于地理要素分布格局的動態監測。由于不同要素間存在時空依賴性，每類地理要素的自相關結構亦可能受到其他相關要素的影響，形成誘導性聚集模式（Fortin et al.，2005），地理要素的時空關聯對該類聚集模式具有重要的指示作用（Leibovici et al.，2011）。例如，在海洋科學領域中，基于多類海上活動（如海運、沖浪、劃艇等）交互事件的時空關聯信息可以及時發現海上沖突的聚集趨勢，為海上突發事件提供早期預警信號（Leibovici et al.，2014）。 （3）地理空間關聯模式能夠作為多元時空異常探測的評判標準，豐富時空異常模式在多要素視角下的地理內涵。時空異常模式挖掘的首要任務是確定其對立面（即正常模式），當存在多類地理要素時，可以參考研究區域或鄰近域內要素間頻繁發生的關聯規律，將時空異常模式理解為顯著偏離規律性關聯模式的地理現象（Shi et al.，2018）。例如，在公共安全領域中，通過比較鄰近范圍內ATM機與搶劫事件間的同現頻率，可以有效定位具有異常同現行為的高風險基礎設施，從而為監控與巡邏任務的部署提供技術支持（楊學習等，2018）。 （4）地理空間關聯模式可以輔助時空預測模型中協變量的選擇，助力地理要素演變過程的精確模擬與預測。地理要素的未來發展狀態不僅與其自身（即預測變量）的歷史狀態有關，還可能受其他相關要素（即協變量）時空分布的影響，為此，地理相關要素的識別是進行準確預測的前提（楊文濤，2016）。例如，在大氣環境領域中，通過在PM2.5濃度時空預測模型中同時納入溫度、濕度、風力、降水等關聯地理要素的影響，可以更加有效地建模PM2.5濃度的變化趨勢，為空氣質量的預報預警提供可靠的決策信息（Yang et al.，2018）。 1.2地理空間關聯模式挖掘的研究進展 地理空間關聯模式的早期雛形是事務型數據庫（如顧客購物記錄）中的關聯規則（Agrawal et al.，1994）。隨后，Kopersk等（1995）定義了空間謂詞和空間事務表，將關聯規則挖掘的概念拓展至空間數據集。Shekhar等（2001）定義了空間關聯模式在空間點數據集中的表現形式，稱為空間同位模式（Spatial Co-location Pattern），該挖掘任務旨在發現頻繁出現在鄰近空間域的點事件類型集合，以理解不同地理要素或地理現象在空間域的相互依賴關系，對揭示地理現象或要素間的伴生、共存關系具有重要意義。在此基礎上，學者們陸續提出時空同現模式（Spatio-temporal Co-occurrence Pattern（Wang et al.，2005））和局部同位模式（Regional Co-location Pattern（Celik et al.，2007））等概念，分別實現了同位模式由空間維度向時空維度、由全局尺度向局部尺度的重要拓展（后文統稱為空間同現模式）。在此過程中，大多數研究針對計算效率問題開展了改進工作。隨著空間異質性等地理學問題的提出，局部同現模式挖掘逐漸受到關注。近年來，通過引入空間統計學思想，針對同現模式的顯著性檢驗問題亦開展了初步工作（Barua et al.，2011）。圖1.1給出了地理空間關聯模式挖掘方法的發展脈絡、代表性工作以及不同學科所關注的研究問題。需要注意的是，國內外學者亦發展了一些定量分析多類地理要素空間交互作用的經典方法，如地理加權回歸（Fotheringham et al.，2003）、地理時空加權回歸（Huang et al.，2010）、地理探測器（Wang et al.，2010;王勁峰等，2017）等，因其內涵與本書所關注的地理空間關聯模式存在顯著差異，在此不做重點闡述。 地理空間關聯模式挖掘的分類存在多種標準。根據地理數據的時空維度，可以分為空間關聯模式和時空關聯模式；按照研究范圍，可分為全局關聯模式和局部關聯模式；依據度量空間，又可將其分為歐氏空間關聯模式和網絡空間關聯模式，如圖1.2所示。下面對當前地理空間關聯模式挖掘的相關研究工作進行全面系統地回顧與總結，首先介紹事務型關聯規則基本概念，闡述全局空間關聯模式挖掘的主要方法，歸納全局時空關聯模式挖掘的代表性工作，并總結全局關聯模式挖掘方法在局部層次的主要拓展研究。 1.2.1事務型關聯規則挖掘 事務型關聯規則是指頻繁出現于同一事務的數據項集合所組成的規則，旨在描述事務型數據庫中數據項之間的相互聯系，為相關決策提供科學指導。如圖1.3所示，一個經典的應用案例是商城的購物籃分析，主要是通過分析大量顧客的商品購物記錄，發現數據背后隱藏的顧客頻繁性購買行為，幫助商家調整貨物擺放次序或制定其他市場營銷策略，實現商場收益的提升。 關聯規則挖掘的關鍵在于頻繁項集的產生。事務型數據庫中不同項組成的所有可能組合數目是項數的冪次函數，若采用枚舉策略對所有可能項集進行逐一測試，則需要巨大的計算開銷。為突破海量數據中事務型頻繁項集和關聯規則挖掘的計算瓶頸，Agrawal等（1994）開創性地提出了Apriori算法。該算法在大幅提升計算效率的同時，能夠保證挖掘結果的完整性和正確性，且具有良好的可擴展性和可移植性，在諸多科學和應用領域中被廣泛使用，并在2006年數據挖掘領域頂級國際會議ICDM（IEEE International Conference on Data Mining）上被
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
姑媽的寶刀
- >
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)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
巴金－再思錄
- >
經典常談
- >
史學評論
本類暢銷
