店铺推荐
【内容】
本书从高维大数据的特性出发，指出了高维大数据的挖掘过程，介绍了大数据维数约简的目的和分类，对大数据特征选择和提取的线性和非线性方法进行了介绍并研究了相关的改进方法，给出了结合图的降维方法和稀疏大数据的维数约简方法。本书可供从事大数据挖掘和商务智能研究的高校教师、研究生、科研院所的科研人员及有关工程技术人员使用。
【目录】
第1章 高维大数据
1.1 大数据介绍
1.1.1 大数据的产生背景
1.1.2 大数据的重要性
1.1.3 大数据的定义和特征
1.1.4 大数据的构成
1.1.5 大数据的机遇和挑战
1.1.6 大数据应用的发展方向
1.2 大数据分析挖掘技术
1.3 大数据高维特征处理
1.3.1 大数据分析挖掘过程
1.3.2 大数据的维数
参考文献
第2章 大数据的维数约简
2.1 大数据维数约简的目的
2.2 维数约简的有关定义及分类
2.2.1 维数约简的有关定义
2.2.2 维数约简分类
参考文献
第3章 大数据的特征选择
3.1 特征选择的数学描述及其优势
3.2 特征选择基本框架
3.2.1 子集生成
3.2.2 评价测度
3.2.3 停止条件
3.2.4 结果验证
3.3 特征选择算法分类
3.3.1 按样本是否标记分类
3.3.2 按与学习算法的结合方式分类
3.3.3 Filter方法
3.3.4 Wrapper方法
3.3.5 Embeded方法
3.3.6 Hybrid方法
3.4 特征选择的稳定性
3.4.1 特征选择方法的稳定性
3.4.2 稳定的特征选择方法
3.4.3 特征选择方法的稳定性评价准则
参考文献
第4章 大数据特征提取
4.1 特征提取的概念
4.2 特征提取的分类
4.3 特征选择与特征提取方法的比较
4.4 线性特征提取
4.4.1 线性特征提取的思想
4.4.2 主成分分析
4.4.3 线性判别分析
4.4.4 独立成分分析
4.4.5 优选间距准则
参考文献
第5章 非线性特征提取
……
1.1 大数据介绍
1.1.1 大数据的产生背景
1.1.2 大数据的重要性
1.1.3 大数据的定义和特征
1.1.4 大数据的构成
1.1.5 大数据的机遇和挑战
1.1.6 大数据应用的发展方向
1.2 大数据分析挖掘技术
1.3 大数据高维特征处理
1.3.1 大数据分析挖掘过程
1.3.2 大数据的维数
参考文献
第2章 大数据的维数约简
2.1 大数据维数约简的目的
2.2 维数约简的有关定义及分类
2.2.1 维数约简的有关定义
2.2.2 维数约简分类
参考文献
第3章 大数据的特征选择
3.1 特征选择的数学描述及其优势
3.2 特征选择基本框架
3.2.1 子集生成
3.2.2 评价测度
3.2.3 停止条件
3.2.4 结果验证
3.3 特征选择算法分类
3.3.1 按样本是否标记分类
3.3.2 按与学习算法的结合方式分类
3.3.3 Filter方法
3.3.4 Wrapper方法
3.3.5 Embeded方法
3.3.6 Hybrid方法
3.4 特征选择的稳定性
3.4.1 特征选择方法的稳定性
3.4.2 稳定的特征选择方法
3.4.3 特征选择方法的稳定性评价准则
参考文献
第4章 大数据特征提取
4.1 特征提取的概念
4.2 特征提取的分类
4.3 特征选择与特征提取方法的比较
4.4 线性特征提取
4.4.1 线性特征提取的思想
4.4.2 主成分分析
4.4.3 线性判别分析
4.4.4 独立成分分析
4.4.5 优选间距准则
参考文献
第5章 非线性特征提取
……
