現(xiàn)代數(shù)據(jù)分析

內(nèi)容概要

本書(shū)全面闡述了現(xiàn)代數(shù)據(jù)分析的基本理論和方法，實(shí)現(xiàn)技術(shù)和應(yīng)用，內(nèi)容反映了數(shù)據(jù)分析的最新發(fā)展。    本書(shū)共分8章，分別從數(shù)據(jù)的約簡(jiǎn)、分類、聚類、擬合、尋優(yōu)、預(yù)測(cè)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(gòu)建數(shù)據(jù)分析的一個(gè)新平臺(tái)，以幫助讀者掌握更高層次的數(shù)據(jù)分析技術(shù)，來(lái)解決更為復(fù)雜的實(shí)際問(wèn)題。    本書(shū)可作為高等學(xué)校信息科學(xué)、計(jì)算機(jī)技術(shù)、控制工程及管理科學(xué)等相關(guān)專業(yè)的高年級(jí)大學(xué)生、研究生的參考教材，也適合于廣大科技工作者學(xué)習(xí)與參考。

書(shū)籍目錄

前言第1章 粗糙集與數(shù)據(jù)約簡(jiǎn)  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(shí)的約簡(jiǎn)  1.4 決策表的約簡(jiǎn)  1.5 粗糙集數(shù)據(jù)約簡(jiǎn)的具體實(shí)現(xiàn)與應(yīng)用  1.6 粗糙集的研究現(xiàn)狀與展望  參考文獻(xiàn)第2章 支持向量機(jī)與數(shù)據(jù)分類  2.1 小樣本統(tǒng)計(jì)學(xué)習(xí)理論  2.2 基于二次規(guī)劃的支持向量機(jī)分類  2.3 基于線性規(guī)劃的支持向量機(jī)分類  2.4 支持向量回歸模型  2.5 求解大規(guī)模分類問(wèn)題的支持向量機(jī)算法  2.6 展望  參考文獻(xiàn)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(jì)量  3.3 模糊劃分的準(zhǔn)則  3.4 基于模糊統(tǒng)計(jì)量的聚類方法  3.5 基于模糊劃分準(zhǔn)則的聚類方法  3.6 聚類有效性問(wèn)題  3.7 模糊聚類在設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷中的實(shí)際應(yīng)用  3.8 模糊劃分與數(shù)據(jù)聚類的研究展望  參考文獻(xiàn)第4章 神經(jīng)計(jì)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(luò)方法  4.5 神經(jīng)網(wǎng)絡(luò)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(luò)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(luò)的泛化能力與網(wǎng)絡(luò)結(jié)構(gòu)選擇問(wèn)題  4.8 展望  參考文獻(xiàn)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(yīng)用研究  5.5 展望  參考文獻(xiàn)第6章 時(shí)間序列分析與數(shù)據(jù)推測(cè)第7章 現(xiàn)代數(shù)據(jù)分析的融合與協(xié)作技術(shù)第8章 異常數(shù)據(jù)挖掘結(jié)束語(yǔ)

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    現(xiàn)代數(shù)據(jù)分析 PDF格式下載

---