面向大數據聚類分析的CFS算法

定　價：￥68.00

作　者：	卜范玉著
出版社：	經濟管理出版社
叢編項：	大數據與互聯(lián)網理論與應用叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787509680056	出版時間：	2022-09-01	包裝：	平裝
開本：	16開	頁數：	148	字數：

內容簡介

　　聚類技術作為數據挖掘和學習的典型技術，已經廣泛應用于金融欺詐、醫(yī)療診斷、圖像處理和信息檢索等領域。CFS是Alex和Alessandro在2014年于Science雜志提出的新聚類算法，該算法聚類結果精確、效率離，已成為數據挖掘領域和機器學習非常具有潛力的聚類算法之一。然而，大數據的海量性、實時性和異構性特點對CFS聚類算法提出了嚴峻的挑戰(zhàn)。為了提升CFS聚類算法在大數據領域聚類的有效性，《面向大數據聚類分析的CFS算法》提出了支持隱私保護的云端安全CFS聚類算法、基于自適應Dropout模型的高階CFS聚類算法和增量式CFS聚類算法，以及基于改進CFS聚類算法的不完整數據填充算法。

作者簡介

　　卜范玉（1981-），男，大連理工大學博士研究生畢業(yè)，現任內蒙古財經大學計算機信息管理學院副教授。研究方向為物聯(lián)網與大數據技術。

圖書目錄

第一章緒論
第一節(jié) 問題提出與研究意義
第二節(jié) 國內外相關研究進展
一、聚類算法概述
二、典型的聚類算法
三、聚類的有效性評價指標
第三節(jié) 本書主要內容
第四節(jié) 本書的組織安排
第二章基于自適應Dropout模型的高階CFS聚類算法
第一節(jié) 引言
第二節(jié) 異構數據聚類相關工作
第三節(jié) 問題描述
第四節(jié) 基于自適應Dropout模型的高階CFS聚類算法整體框架
第五節(jié) 自適應Dropout模型
第六節(jié) 基于向量外積的特征關聯(lián)
第七節(jié) 高階CFS聚類算法
第八節(jié) 實驗結果與分析
一、自適應Dropout模型實驗結果與分析
二、高階CFS聚類算法實驗結果與分析
本章小結
第三章支持隱私保護的云端安全深度計算模型
第一節(jié) 引言
第二節(jié) 基于云計算的聚類算法相關工作
一、基于云計算的劃分聚類算法
二、基于云計算的層次聚類算法
三、基于云計算的密度聚類算法
四、基于云計算的高維空間聚類算法
五、基于云計算的其他聚類算法
第三節(jié) 問題描述
第四節(jié) 同態(tài)加密方法
一、同態(tài)加密概念
二、BGV同態(tài)加密算法
第五節(jié) 基于BGV全同態(tài)加密的安全高階反向傳播算法
一、BGV同態(tài)加密的操作
二、Sigmoid函數近似
三、基于BGV加密的安全反向傳播算法
第六節(jié) 基于BGV加密的高階CFS聚類算法
……
第四章增量式CFS聚類算法
第五章基于改進CFS聚類的不完整數據填充算法
第六章結論與展望
參考文獻