注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)數(shù)據(jù)庫數(shù)據(jù)挖掘十大算法

數(shù)據(jù)挖掘十大算法

數(shù)據(jù)挖掘十大算法

定 價(jià):¥39.00

作 者: (美)吳信東,(Xindong Wu),(美)庫瑪爾 (Vipin Kumar)著 李文波 ,吳素研 譯
出版社: 清華大學(xué)出版社
叢編項(xiàng): 世界著名計(jì)算機(jī)教材精選
標(biāo) 簽: 大學(xué)教材教輔 教材教輔

ISBN: 9787302310617 出版時(shí)間: 2013-05-01 包裝: 平裝
開本: 16開 頁數(shù): 164 字?jǐn)?shù):  

內(nèi)容簡介

  《世界著名計(jì)算機(jī)教材精選:數(shù)據(jù)挖掘十大算法》詳細(xì)介紹了在實(shí)際中用途最廣、影響最大的十種數(shù)據(jù)挖掘算法,這十種算法是數(shù)據(jù)挖掘領(lǐng)域的頂級專家進(jìn)行投票篩選的,覆蓋了分類、聚類、統(tǒng)計(jì)學(xué)習(xí)、關(guān)聯(lián)分析和鏈接分析等重要的數(shù)據(jù)挖掘研究和發(fā)展主題?!妒澜缰?jì)算機(jī)教材精選:數(shù)據(jù)挖掘十大算法》對每一種算法都進(jìn)行了多個角度的深入剖析,包括算法歷史、算法過程、算法特性、軟件實(shí)現(xiàn)、前沿發(fā)展等,此外,在每章最后還給出了豐富的習(xí)題和精挑細(xì)選的參考文獻(xiàn),對于讀者掌握算法基本知識和進(jìn)一步研究都非常有價(jià)值,對數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能等學(xué)科的課程的設(shè)計(jì)有指導(dǎo)意義。

作者簡介

  吳信東(Xindong Wu),教授英國愛丁堡大學(xué)人工智能學(xué)博士,任美國佛蒙特大學(xué)計(jì)算機(jī)科學(xué)系主任。吳教授在數(shù)據(jù)挖掘、知識系統(tǒng)和Web信息開發(fā)等研究領(lǐng)域內(nèi)頗有建樹,在IEEE TKDE、TPAMI、ACMTOIS、DMKD、KAIS、IJCAI、AAAI、ICMI_、KDD、ICDM和WWW等學(xué)術(shù)會議和期刊上發(fā)表了170余篇學(xué)術(shù)論文,另外,還出版了18部學(xué)術(shù)專著和會議文集。他還獲得了IEEE ICTAI-2005的最佳論文獎和IEEE ICDM-2007的最佳理論/算法論文獎亞軍。吳博士是IEEE Transactzons on KnowLedge and Data Engineering(TKDE,由IEEE Computer Society主辦)的主編,IEEE International Con erence on Data Mining (ICDM)的創(chuàng)始人和指導(dǎo)委員會主席,Knowledge and In ormation Systems(KAIS,由Springer發(fā)行)的創(chuàng)辦人和榮譽(yù)主編,IEEE Computer Society Technical Committee on Intelligent Informatics(TCII)的創(chuàng)始主席(2002-2006),Springer Advanced Information and Knowledge Processing (AI& KP)系列著作的編輯。他還是ICDM'03(the 2003 IEEE International Conference on Data Mining)程序委員會主席和KDD-07(the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining)程序委員會聯(lián)合主席。他獲得了2004 ACM SIGKDD服務(wù)獎、2006 IEEE ICDM杰出服務(wù)獎,是2005年合肥科技大學(xué)“長江學(xué)者獎勵計(jì)劃”講座教授。他還是很多學(xué)術(shù)會議的特邀專家/專題報(bào)告人,如NSF-NGDM'07、PAKDD-07、IEEE EDOC'06、IEEE ICTAI'04、IEEE/WIClACM WI'04lIAT'04、SEKE 2002和PADD-97等。Vipin Kumar,教授,明尼蘇達(dá)大學(xué)計(jì)算機(jī)科學(xué)與工程系William Norris講席教授、系主任。他于1977年獲得印度魯爾基理工學(xué)院(正式名稱是魯爾基大學(xué))的電子和通信工程學(xué)士學(xué)位,1979年獲得荷蘭埃因霍溫飛利浦國際學(xué)院的電子工程碩士學(xué)位,1982年獲得馬里蘭大學(xué)帕克分校的計(jì)算機(jī)科學(xué)博士學(xué)位。Kumar教授的研究興趣主要集中在數(shù)據(jù)挖掘、生物信息學(xué)和高性能計(jì)算領(lǐng)域。他提出了評估并行算法可擴(kuò)展性的恒等效率度量指標(biāo),并研發(fā)了多款稀疏矩陣分解(PSPASES)和圖剖分(METIS,ParMctis, hMetis)的高效并行算法及軟件。他發(fā)表了200多篇研究論文,合編合著了9本學(xué)術(shù)專著,包括被廣泛使用的教科書Introduction to Parallel Computing和Introduction to Data Mining,者5由Addison-Wesley出版。Kumar是眾數(shù)據(jù)挖掘和多并行計(jì)算領(lǐng)域的學(xué)術(shù)會議、專題研討會的主席或共同主席,女口IEEE International Con ference on Data Mining(2002)、International ParallelandDistributed ProcessingSymposium(2001)和SIAM International Con ference on Data Mining(2001).Kumar是SIAM International Conference on Data Mining指導(dǎo)委員會共同主席,IEEE International Conference on Data Mining和IEEE International Conference on Bioinformatics and Biomedicine指導(dǎo)委員會委員。Kumar是Journal of Statistical Analysis and Data Mining的創(chuàng)始主編之——,IEEE Intelligent In ormatics Bulletin主編和Data Mining and Knowledge Discovery系列圖書(由CRC Press/Chapman Hall出版)的編輯。Kumar還擔(dān)任很多其他學(xué)術(shù)刊物的編輯,如Data Mining and Kno-wledge Discovery、KnowLedge and Information Systems、IEEE Computational Inteltigence Bulletin、Annual Review of Inteltigent In formatics、Parallel Com puting、Journal of Parallel and Distributed Computing、IEEE Transactions of Data and Kno-wledge Engineering(1993-1997)、IEEE Concurrency(1997-2000)和IEEE ParalleL and Distributed Technology(1995-1997)等。他是ACM會士、IEEE會士、AAAS會士和SIAM會員。Kumar由于在并行算法設(shè)計(jì)、圖剖分和數(shù)據(jù)挖掘領(lǐng)域的杰出貢獻(xiàn),獲得了2005 IEEE Computer Society的技術(shù)成就獎。

圖書目錄

第1章 C4.5 
1.1 引言
1.2 算法描述
1.3 算法特性
1.3.1 決策樹剪枝
1.3.2 連續(xù)型屬性
1.3.3 缺失值處理
1.3.4 規(guī)則集誘導(dǎo)
1.4 軟件實(shí)現(xiàn)
1.5 示例
1.5.1 Golf數(shù)據(jù)集
1.5.2 Soybean數(shù)據(jù)集
1.6 高級主題
1.6.1 二級存儲
1.6.2 斜決策樹
1.6.3 特征選擇
1.6.4 集成方法
1.6.5 分類規(guī)則
1.6.6 模型重述
1.7 習(xí)題
參考文獻(xiàn)
第2章 k-means
2.1 引言
2.2 算法描述
2.3 可用軟件
2.4 示例
2.5 高級主題
2.6 小結(jié)
2.7 習(xí)題
參考文獻(xiàn)
第3章 SVM:支持向量機(jī)
3.1 支持向量分類器
3.2 支持向量分類器的軟間隔優(yōu)化
3.3 核技巧
3.4 理論基礎(chǔ)
3.5 支持向量回歸器
3.6 軟件實(shí)現(xiàn)
3.7 當(dāng)前和未來的研究
3.7.1 計(jì)算效率
3.7.2 核的選擇
3.7.3 泛化分析
3.7.4 結(jié)構(gòu)化支持向量機(jī)的學(xué)習(xí)
3.8 習(xí)題
參考文獻(xiàn)
第4章 Apriori
4.1 引言
4.2 算法描述
4.2.1 挖掘頻繁模式和關(guān)聯(lián)規(guī)則
4.2.2 挖掘序列模式
4.2.3 討論
4.3 軟件實(shí)現(xiàn)
4.4 示例
4.4.1 可行示例
4.4.2 性能評估
4.5 高級主題
4.5.1 改進(jìn)Apriori類型的頻繁模式挖掘
4.5.2 無候選的頻繁模式挖掘
4.5.3 增量式方法
4.5.4 稠密表示:閉合模式和最大模式
4.5.5 量化的關(guān)聯(lián)規(guī)則
4.5.6 其他的重要性/興趣度度量方法
4.5.7 類別關(guān)聯(lián)規(guī)則
4.5.8 使用更豐富的形式:序列、樹和圖
4.6 小結(jié)
4.7 習(xí)題
參考文獻(xiàn)
第5章 EM
5.1 引言
5.2 算法描述
……
第6章 PageRank
第7章 AdaBoost
第8章 kNN!k-最近鄰
第9章 Naive Bayes
第10章 CART:分類和回歸樹

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號