掃一掃
關(guān)注中圖網(wǎng)
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(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數(shù)據(jù)計算方法 版權(quán)信息
- ISBN：9787040615913
- 條形碼：9787040615913 ; 978-7-04-061591-3
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
大數(shù)據(jù)計算方法 內(nèi)容簡介
本書是工業(yè)和信息化部“十四五”規(guī)劃教材，針對“高等數(shù)值分析”“高等數(shù)值算法”“大數(shù)據(jù)分析算法”等課程編寫，內(nèi)容包括緒論、數(shù)據(jù)分析方法概述、線性方程組求解與矩陣分解、大型稀疏線性方程組的求解、矩陣的特征值與奇異值計算、優(yōu)化問題與凸優(yōu)化、數(shù)據(jù)分析中的凸優(yōu)化問題、非線性方程與無約束優(yōu)化、約束優(yōu)化問題的解法、基于矩陣分解的數(shù)據(jù)挖掘與分析10章。本書考慮大規(guī)模數(shù)據(jù)分析與仿真問題，重點介紹其背后涉及的矩陣計算與凸優(yōu)化求解方法，突出算法應(yīng)用與創(chuàng)新。在敘述上既注重嚴謹性和前沿性，又強調(diào)方法的應(yīng)用背景、算法設(shè)計，以及不同方法的對比。為了增加實用性與可擴展性，本書結(jié)合MATLAB、Python等編程語言進行介紹，每章配備了若干習題，書末還附有課程擴展項目，以及Python語言與Julia語言的簡介。 本書適合作為高等學校信息科學與技術(shù)各專業(yè)以及信息與計算科學專業(yè)研究生的教材，也可供學有余力的高年級本科生、從事科學與工程計算和大數(shù)據(jù)智能計算的科研人員參考。
大數(shù)據(jù)計算方法 目錄
第1章 緒論
1.1 引言
1.2 數(shù)值計算基礎(chǔ)
1.2.1 誤差分析基礎(chǔ)
1.2.2 浮點數(shù)與舍入誤差
1.3 MATLAB與數(shù)值軟件
1.3.1 MATLAB簡介
1.3.2 數(shù)值計算有關(guān)功能
1.3.3 更多的數(shù)值軟件
本章小結(jié)
習題一
第2章 數(shù)據(jù)分析方法概述
2.1 基本概念
2.1.1 性能度量
2.1.2 實驗測試
2.2 分類
2.2.1 二分類
2.2.2 K近鄰
2.2.3 線性判別分析
2.2.4 邏輯回歸
2.3 回歸分析
2.3.1 線性回歸分析
2.3.2 非線性回歸分析
2.3.3 欠擬合和過擬合
2.4 聚類分析和降維
2.4.1 聚類算法的性能度量
2.4.2 距離計算
2.4.3 K均值聚類算法
2.4.4 層次聚類
2.4.5 密度聚類
2.4.6 降維
本章小結(jié)
習題二
第3章 線性方程組求解與矩陣分解
3.1 基于LU分解的線性方程組求解
3.1.1 高斯消去法
3.1.2 LU分解與選主元
3.2 問題敏感性與誤差分析
3.2.1 矩陣條件數(shù)與敏感性分析
3.2.2 算法穩(wěn)定性與解的誤差
3.3 對稱正定矩陣的Cholesky分解
3.4 QR分解與正交三角化
3.4.1 基本方法
3.4.2 基于Householder變換的算法
3.4.3 基于Givens變換的算法
3.5 線性*小二乘問題的求解
3.5.1 矩陣列滿秩的情況
3.5.2 矩陣列不滿秩的情況與QRCP分解
本章小結(jié)
習題三
第4章 大型稀疏線性方程組的求解
4.1 稀疏矩陣及其存儲格式
4.2 帶狀矩陣的分解與矩陣向量乘
4.3 稀疏矩陣的直接解法概述
4.4 Lsolve算法與稀疏矩陣LU分解
4.4.1 針對稀疏下三角矩陣的Lsolve算法
4.4.2 稀疏矩陣的LU分解
4.4.3 稀疏矩陣的Cholesky分解
4.4.4 消去樹與并行算法
4.5 高效穩(wěn)定的稀疏矩陣直接解法
4.5.1 減少填入元的矩陣重排
4.5.2 稀疏對稱正定矩陣的處理
4.5.3 高效穩(wěn)定的稀疏矩陣LU分解
4.6 迭代解法與共軛梯度法
4.6.1 迭代法概述
4.6.2 變分原理與*速下降法
4.6.3 共軛梯度法
4.7 廣義*小殘量法
4.7.1 投影過程與幾個結(jié)論
4.7.2 Arnoldi過程
4.7.3 GMRES算法
本章小結(jié)
習題四
第5章 矩陣的特征值與奇異值計算
5.1 計算特征值的基本方法
5.1.1 引言
5.1.2 冪法與反冪法
5.2 QR算法
5.2.1 基本的QR算法
5.2.2 Householder約化技術(shù)
5.2.3 處理實對稱矩陣的實用QR算法
5.2.4 隱式位移技術(shù)
5.2.5 處理非對稱矩陣的算法
5.3 Krylov子空間迭代法
5.3.1 Armoldi過程與Lanczos過程
5.3.2 Lanczos算法與Amoldi算法
5.4 奇異值分解及其算法
5.4.1 基本概念與奇異值分解定理
5.4.2 奇異值分解的性質(zhì)與應(yīng)用
5.4.3 奇異值分解的計算
本章小結(jié)
習題五
第6章 優(yōu)化問題與凸優(yōu)化
6.1 優(yōu)化問題基礎(chǔ)
6.2 凸集
6.3 凸函數(shù)
6.4 凸優(yōu)化問題
6.5 凸優(yōu)化問題舉例：*大內(nèi)切橢球問題
本章小結(jié)
習題六
第7章 數(shù)據(jù)分析中的凸優(yōu)化問題
7.1 *大間隔分類與支持向量機
7.1.1 數(shù)據(jù)分類與二分類問題
7.1.2 *大間隔分類
7.1.3 更多討論
7.2 線性回歸的過擬合與正則化
7.2.1 過擬合問題
7.2.2 正則化
7.3 壓縮感知技術(shù)簡介
7.3.1 圖像恢復(fù)的壓縮感知方法
7.3.2 正交匹配追蹤算法
本章小結(jié)
習題七
第8章 非線性方程與無約束優(yōu)化
8.1 非線性方程求解與牛頓法
8.1.1 二分法
8.1.2 牛頓法
8.1.3 單個非線性方程的其他解法
8.1.4 非線性方程組的求解
8.2 簡單的無約束優(yōu)化解法
8.2.1 黃金分割搜索法
8.2.2 下山單純形法
8.2.3 可分離非線性*小二乘問題的解法
8.3 基于求導(dǎo)的無約束優(yōu)化方法
8.3.1 梯度下降法
8.3.2 牛頓法
8.3.3 非線性共軛梯度法
本章小結(jié)
習題八
第9章 約束優(yōu)化問題的解法
9.1 等式約束優(yōu)化問題
9.1.1 子空間約減法
9.1.2 拉格朗日乘子法
9.2 不等式約束優(yōu)化問題
9.2.1 內(nèi)點法
9.2.2 半正定規(guī)劃問題
9.3 對偶方法與KKT條件
9.3.1 對偶函數(shù)
9.3.2 對偶問題
9.3.3 KKT條件
本章小結(jié)
習題九
第10章 基于矩陣分解的數(shù)據(jù)挖掘與分析
10.1 主成分分析與降秩*小二乘
10.1.1 主成分分析及其應(yīng)用
10.1.2 降秩*小二乘及其應(yīng)用
10.2 隨機化矩陣低秩分解
10.2.1 子空間嵌入
10.2.2 固定秩參數(shù)的隨機化矩阼低秩分解
10.2.3 自適應(yīng)的隨機化低秩分解算法
10.2.4 少遍歷與單遍歷算法
10.2.5 隨機化奇異值分解的應(yīng)用
10.3 非負矩陣分解
本章小結(jié)
習題十
參考文獻
附錄A 擴展項目
A.1 二維熱分析
A.2 圖像恢復(fù)
A.3 數(shù)據(jù)二分類
附錄B Python與Julia語言相關(guān)功能簡介
B.1 Python使用環(huán)境與配置
B.2 Python基本數(shù)學函數(shù)
B.3 Python的矩陣計算功能
B.4 Julia語言簡介
展開全部
大數(shù)據(jù)計算方法 作者簡介
喻文健，清華大學計算機系副教授。1999年、2003年先后畢業(yè)于清華大學計算機系，獲得工學學士與博士學位，隨后留校任教。2005年9月至2008年1月，多次赴美國加州大學圣迭戈分校計算機系擔任訪問學者。目前為IEEE高級會員、中國計算機學會“計算機輔助設(shè)計與圖形學”專業(yè)委員會委員，擔任多個國際、國內(nèi)學術(shù)期刊的編委及論文評審專家。主要從事數(shù)值算法與軟件、集成電路與系統(tǒng)的計算機輔助設(shè)計等方面的教學與科研工作，發(fā)表SCI檢索的國際期刊論文30多篇。2014年由Springer公司出版專著Advanced Field-Solver Techniques for RC Extraction of Integrated Circuits，此外出版譯著多本。獲2005年“全國優(yōu)秀博士論文”提名，2010年清華大學科研成果推廣應(yīng)用效益獎，2014年獲批國家自然科學基金優(yōu)秀青年基金項目。 馮欣，重慶理工大學計算機科學與工程學院副教授，紐約大學工程學院電子工程系博士后，中國計算機學會高級會員，重慶計算機學會理事。長期從事計算機視覺領(lǐng)域研究，先后在自動駕駛智能視覺感知、虹膜識別及深度學習對抗攻擊等方面開展深入研究。主持或主研國家自然科學基金等省部級以上項目16項。 李昕，杜克大學電子與計算機工程系教授，昆山杜克大學協(xié)理副校長（負責研究生院與科研），電氣電子工程師學會會士（IEEE Fellow），兼任ConvertLab首席科學家、富士康工業(yè)富聯(lián)獨立董事。出版著作3本，發(fā)表國際頂級期刊論文80余篇，發(fā)表國際頂級學術(shù)會議論文150余篇，獲6次最佳論文獎。曾任國際頂級期刊IEEE Trans. on Computer-Aided Design常務(wù)主編，被聘為世界著名學術(shù)組織ACNSIGDA、IEEE TCCPS和IEEE TCVLSI執(zhí)委會成員。
書友推薦
- >
月亮與六便士
- >
莉莉和章魚
- >
朝聞道
- >
推拿
- >
羅庸西南聯(lián)大授課錄
- >
經(jīng)典常談
- >
二體千字文
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
