欢迎光临
免费的PDF电子书下载网站

大数据挖掘 PDF下载

编辑推荐

《大数据挖掘》一书立足前沿性、注重实用性,着眼于大数据发展的*研究热点和动向,系统介绍了大数据挖掘的概念、原理、技术和应用,全面而细致地定义和归纳了关联分析、聚类分析、分类分析、异常分析、特异群组挖掘和演变分析等大数据挖掘任务。

 ; ; ; 本书由上海市数据科学重点实验室朱扬勇教授团队主持著述,该实验室是国内首个致力于数据科学理论、方法和技术研究的机构,专注于金融、智能交通、医疗健康、智慧城市等多领域的大数据分析应用。

 ;

内容简介

《大数据挖掘》一书系统介绍了大数据挖掘的概念、原理、技术和应用。包括:认识和理解大数据;大数据挖掘需要的相关技术(大数据获取技术、大数据存储管理技术和大数据可视化技术等);大数据计算框架;大数据挖掘任务(关联分析、聚类分析、分类分析、演变分析、特异群组分析和异常分析);大数据应用实现;以及大数据挖掘工具。

《大数据挖掘》对大数据挖掘技术进行了全面而细致的定义和归纳,并将向读者展现该领域*研究热点和技术。关于大数据应用实现章节的内容将采用作者实际主持和完成的大数据挖掘项目为实际案例,阐述大数据挖掘应用实现过程中的问题、解决方案和取得的成果。

《大数据挖掘》一书的主要读者是数据科学专业的高等学校学生及老师,从事数据和信息质量工作的研究人员、技术人员、管理人员和决策人员

《大数据挖掘》一书系统介绍了大数据挖掘的概念、原理、技术和应用。包括:认识和理解大数据;大数据挖掘需要的相关技术(大数据获取技术、大数据存储管理技术和大数据可视化技术等);大数据计算框架;大数据挖掘任务(关联分析、聚类分析、分类分析、演变分析、特异群组分析和异常分析);大数据应用实现;以及大数据挖掘工具。

《大数据挖掘》对大数据挖掘技术进行了全面而细致的定义和归纳,并将向读者展现该领域*研究热点和技术。关于大数据应用实现章节的内容将采用作者实际主持和完成的大数据挖掘项目为实际案例,阐述大数据挖掘应用实现过程中的问题、解决方案和取得的成果。

《大数据挖掘》一书的主要读者是数据科学专业的高等学校学生及老师,从事数据和信息质量工作的研究人员、技术人员、管理人员和决策人员

作者简介

熊赟,教授。作为项目负责人主持或参与*、省部级或企业合作项目11项。相关研究成果在本领域国际*会议“IEEE International Conference on Data Mining (ICDM)”、《IEEE Intelligent Systems》、《Bioinformatics》、《软件学报》等国内外权威期刊或会议上发表论文30余篇。出版专著2本。主要研究兴趣包括数据科学和技术、大规模数据处理、数据挖掘及其应用等。提出了特异群组挖掘、Day-by-Day行为数据、多支持度序列挖掘、生物数据模型等学术观点和见解。朱扬勇,复旦大学计算机科学技术学院教授、学术委员会主任,上海市数据科学重点实验室主任,上海市政府信息化专家委员会专家,中国计算机学会大数据专家委员会专家,美国马里兰大学客座教授。从事数据领域研究25年,是国内最早一批从事数据挖掘研究的学者,是国际数据科学研究的主要倡导者之一。主持过国家自然科学基金、国家863计划项目、上海市科委重点等多项数据挖掘领域的研究课题,曾获上海市科技进步一、二、三等奖。相关研究成果在国内外权威期刊或会议上发表论文100余篇,出版专著2本,教材3本。

大数据挖掘 PDF下载

目录

第1章 绪论 
1.1 理解大数据挖掘
1.1.1 大数据挖掘的定义
1.1.2 大数据挖掘的任务
1.1.3 大数据挖掘的特点
1.1.4 大数据挖掘与相关技术的差异
1.2 大数据挖掘需要的相关技术
1.2.1 大数据获取
1.2.2 大数据存储与管理
1.2.3 大数据可视化
1.3 小结
参考文献
第2章 大数据计算框架
2.1. HDFS
2.2. MapReduce
2.2.1 MapReduce框架及范例
2.2.2 MapReduce存在的问题和解决方法
2.3. NoSQL(非关系型)数据库
2.3.1 NoSQL数据库的分类
2.3.2 NoSQL数据库实例
2.4. SQL(关系型)数据库
2.4.1. Apache HIVE
2.4.2. 其他SQL数据库
2.5 小结
参考文献
第3章 关联分析
3.1关联分析的基本概念
3.1.1 关联分析的定义
3.1.2 关联规则的定义
3.1.3 关联规则的分类
3.2 关联规则挖掘的原理
3.2.1 挖掘简单关联规则
3.2.2 挖掘量化关联规则
3.2.3 挖掘多层关联规则
3.2.4 挖掘多维关联规则
3.3 关联规则挖掘的基础算法
3.3.1 Apriori算法
3.3.2 Apriori算法
3.3.3 FP-Growth算法
3.3.4 序列模式挖掘算法
3.4挖掘算法的进阶方法
3.4.1 USpan:高效用序列模式挖掘算法
3.4.2 基于MapReduce的HusMaR算法
3.5 小结
参考文献
第4章 聚类分析
4.1聚类分析的基本概念
4.1.1 簇与聚类
4.1.2 相似性度量和聚类原理
4.2聚类分析的基础算法
4.2.1 层次的方法――单连接算法、BIRCH算法
4.2.2 划分的方法――k-means和k-medoids算法
4.2.3 基于密度的方法――OPTICS算法
4.3 进阶方法
4.3.1 Density Peaks算法(AA算法)
4.3.2 K-Means||:基于MapReduce的K-Means算法
4.4 小结
参考文献
第5章 分类分析
5.1分类分析的基本概念
5.2 分类模型
5.3 分类分析的原理
5.3.1 决策树
5.3.2 基于统计的算法
5.3.3 基于神经网络的算法
5.4 分类分析的基础算法
5.5 分类分析的进阶方法
5.6 小结
参考文献
第6章 异常分析
6.1异常分析的基本概念
6.1.1 异常
6.1.2 异常分析
6.2异常分析的原理
6.2.1 基于统计的异常分析方法
6.2.2 基于偏差的异常分析方法
6.2.3 基于距离的异常分析方法
6.2.4 基于密度的异常分析方法
6.3异常分析的主要算法
6.3.1 基于距离的异常分析算法
6.3.2 基于密度的异常分析算法
6.4 小结
参考文献
第7章 特异群组挖掘
7.1特异群组挖掘的基本概念
7.2 特异群组挖掘与聚类和异常检测的关系
7.3 特异群组挖掘形式化描述
7.4 特异群组挖掘框架算法
7.5 特异群组挖掘应用
7.6 小结
参考文献
第8章 演变分析
8.1演变分析的基本概念
8.2 演变分析的原理
8.3 演变分析的基础算法
8.4 演变分析的进阶算法
8.4.1 时间序列随机偏移符号化表示算法
8.4.2 多维温度序列协同异常事件挖掘算法
8.5 小结
参考文献
第9章 异质数据网络挖掘
9.1 异质数据网络
9.2 异质数据网络挖掘研究现状
9.3 数据网络上的相似性度量的研究
9.4 异质数据网络挖掘研究内容
9.5 小结
参考文献
第10章 大数据挖掘应用之推荐系统
10.1 推荐系统研究阶段
10.2 推荐系统算法
10.2.1 推荐系统定义
10.2.2 推荐算法分类
10.2.3 比较与分析
10.3 推荐系统的评测
0.4 小结
参考文献
第11章 大数据中的隐私问题
11.1. 隐私的重要性
11.2. 隐私保护技术
11.2.1. 直接攻击的应对方法
11.2.2. 间接攻击的应对方法
11.3 小结
参考文献

前沿

数据挖掘已经有20多年历史了,20年前,“尿布和啤酒的故事”像童话一样被许多应用领域的信息主管认为是不靠谱的幻想(很多地方称营销神话)。如今,大数据来了,却有很多人将该故事当作大数据的典型案例来讲。“尿布和啤酒的故事”是说“通过对所有购物单进行数据挖掘,发现尿布和啤酒经常被同时购买”,数据挖掘告诉我们一种关联现象,而不是因果。
大数据来了,之前众多基于内存的数据挖掘算法不能再使用,于是需要新的能够运行在大数据计算架构上的数据挖掘算法。另一方面,数据来源和类型也更复杂了,而之前的数据挖掘算法主要是针对单一数据类型的,于是需要新的数据挖掘算法——能够分析复杂数据类型的数据挖掘算法。这些应该是大数据挖掘的主要内容。本书取名“大数据挖掘”,主要介绍了两件事情:传统的数据挖掘算法及其面向大数据的改进;面向复杂数据集的数据挖掘算法,如异质网络挖掘。
本书各章内容如下:第1章,介绍大数据挖掘的基本概念、大数据挖掘的任务,以及与大数据挖掘相关的技术。第2章,介绍大数据计算框架。第3章到第8章,介绍数据挖掘的主要任务,包括关联分析、聚类分析、分类分析、异常分析、特异群组挖掘、演变分析,介绍了这些算法面对大数据的改进。其中,特异群组挖掘是一类典型的面向大数据高价值低密度特征的数据挖掘任务。第9章介绍了异质网络挖掘,这是针对大数据的复杂性而设计的一类新的大数据挖掘方法。第10章,以推荐系统为例,介绍了大数据挖掘的应用。第11章,对大数据隐私技术进行了介绍。
大数据挖掘是新问题、新应用,作为应用层,算法和软件设计都依赖于计算机基础架构、计算框架和数据管理系统。大数据目前还是一个大问题,计算机基础架构、计算框架、大数据管理都还在摸索中前进,HADOOP只是一个不得已的选择,但不是一个理想的大数据挖掘计算框架。因此,我们非常期待大数据的基础研究能够取得突破,这些基础包括大数据的数学基础、计算基础、数据基础、分析基础和应用基础。
本书的疏漏和错误完全是作者的水平有限所致,如能获得读者的指正是我们的荣幸。

大数据挖掘 pdf下载声明

本pdf资料下载仅供个人学习和研究使用,不能用于商业用途,请在下载后24小时内删除。如果喜欢,请购买正版

pdf下载地址

版权归出版社和作者所有,下载链接已删除。如果喜欢,请购买正版!

链接地址:大数据挖掘