現(xiàn)代數(shù)據(jù)分析

內容概要

本書全面闡述了現(xiàn)代數(shù)據(jù)分析的基本理論和方法，實現(xiàn)技術和應用，內容反映了數(shù)據(jù)分析的最新發(fā)展。    本書共分8章，分別從數(shù)據(jù)的約簡、分類、聚類、擬合、尋優(yōu)、預測以及小概率數(shù)據(jù)挖掘等方面做了較詳盡的論述，試圖構建數(shù)據(jù)分析的一個新平臺，以幫助讀者掌握更高層次的數(shù)據(jù)分析技術，來解決更為復雜的實際問題。    本書可作為高等學校信息科學、計算機技術、控制工程及管理科學等相關專業(yè)的高年級大學生、研究生的參考教材，也適合于廣大科技工作者學習與參考。

書籍目錄

前言第1章 粗糙集與數(shù)據(jù)約簡  1.1 不確定性理論  1.2 粗糙集的基本理論與方法  1.3 知識的約簡  1.4 決策表的約簡  1.5 粗糙集數(shù)據(jù)約簡的具體實現(xiàn)與應用  1.6 粗糙集的研究現(xiàn)狀與展望  參考文獻第2章 支持向量機與數(shù)據(jù)分類  2.1 小樣本統(tǒng)計學習理論  2.2 基于二次規(guī)劃的支持向量機分類  2.3 基于線性規(guī)劃的支持向量機分類  2.4 支持向量回歸模型  2.5 求解大規(guī)模分類問題的支持向量機算法  2.6 展望  參考文獻第3章 模糊劃分與數(shù)據(jù)聚類  3.1 概述  3.2 模糊聚類的統(tǒng)計量  3.3 模糊劃分的準則  3.4 基于模糊統(tǒng)計量的聚類方法  3.5 基于模糊劃分準則的聚類方法  3.6 聚類有效性問題  3.7 模糊聚類在設備狀態(tài)監(jiān)測與故障診斷中的實際應用  3.8 模糊劃分與數(shù)據(jù)聚類的研究展望  參考文獻第4章 神經(jīng)計算與數(shù)據(jù)擬合  4.1 概述  4.2 數(shù)據(jù)擬合的基本概念  4.3 數(shù)據(jù)擬合的傳統(tǒng)方法  4.4 數(shù)據(jù)擬合神經(jīng)網(wǎng)絡方法  4.5 神經(jīng)網(wǎng)絡數(shù)據(jù)擬合與非線性回歸方法的比較  4.6 神經(jīng)網(wǎng)絡數(shù)據(jù)擬合與支持向量回歸方法的比較  4.7 神經(jīng)網(wǎng)絡的泛化能力與網(wǎng)絡結構選擇問題  4.8 展望  參考文獻第5章 遺傳算法與數(shù)據(jù)尋優(yōu)  5.1 優(yōu)化的傳統(tǒng)文化  5.2 遺傳算法  5.3 遺傳算法的基本理論  5.4 遺傳算法的應用研究  5.5 展望  參考文獻第6章 時間序列分析與數(shù)據(jù)推測第7章 現(xiàn)代數(shù)據(jù)分析的融合與協(xié)作技術第8章 異常數(shù)據(jù)挖掘結束語

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    現(xiàn)代數(shù)據(jù)分析 PDF格式下載

---