欢迎光临中图网 请 | 注册
> >
智能信息挖掘与处理

智能信息挖掘与处理

作者:阳振舰
出版社:化学工业出版社出版时间:2014-09-01
开本: 16开 页数: 149
中 图 价:¥52.4(7.7折) 定价  ¥68.0 登录后可看到会员价
暂时缺货 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

智能信息挖掘与处理 版权信息

  • ISBN:9787122209047
  • 条形码:9787122209047 ; 978-7-122-20904-7
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

智能信息挖掘与处理 本书特色

本书从基于密度的空间数据流聚类、簇结构挖掘、轨迹数据流在线聚类及异常检测四个方面,分析了现有数据流挖掘算法的挖掘效果、运行效率、可伸缩性与参数敏感性等相关问题,提出了一系列适用于海量时空数据流在线分析的方法与处理框架。然后基于可视化数据挖掘技术的城市地下空间 gis 系统的关键技术和构建方法,改进机器学习算法、空间和非空间的聚类算法,研究结合挖掘算法的相关可视化技术。本书可作为高等院校计算机工程、信息工程、智能机器人学、工业自动化、模式识别等学科研究生的教材或教学参考书,亦可供智能信息挖掘与处理研究人员参考。

智能信息挖掘与处理 内容简介

目前数据挖掘与处理相关的理论专著、论文、科研成果较多,使得该学科得以丰富和发展,形成了许多理论、方法。本书多视角、多层次地介绍该学科知识,让读者能较系统地掌握本学科的理论精髓,较全面地了解和掌握相关技术。

智能信息挖掘与处理 目录

1  概论
  1.1  时空数据挖掘研究概述
  1.2  空间数据流聚类算法研究
    1.2.1  基于密度的聚类算法
    1.2.2  数据流聚类算法
  1.3  时空轨迹数据挖掘研究现状
    1.3.1  轨迹距离测量方法
    1.3.2  轨迹数据流聚类算法相关研究
    1.3.3  移动目标轨迹模式挖掘相关研究
    1.3.4  面向邻居的实时查询处理方法
  1.4  gis可视化空间数据挖掘技术
  1.5  城市超前地质预报发展现状
  1.6  本章小结
2  基于密度的空间数据流在线聚类算法
  2.1  引言
  2.2  在线聚类相关定义
    2.2.1  基本概念
    2.2.2  在线聚类描述
  2.3  oldstream 算法
    2.3.1  算法思想
    2.3.2  算法描述
    2.3.3  时间复杂度
  2.4  实验测试及分析
    2.4.1  聚类效果测试
    2.4.2  性能测试
    2.4.3  输入参数敏感度分析
  2.5  本章小结
3  海量轨迹数据流在线聚类算法
  3.1  概述
  3.2  问题定义
    3.2.1  基本概念
    3.2.2  ctrastream 基本框架
  3.3  基于密度的线段流聚类
    3.3.1  新线段的影响
    3.3.2  clnstream描述
  3.4  轨迹簇在线更新方法
    3.4.1  tc-tree 索引结构
    3.4.2  由线段簇更新轨迹簇
    3.4.3  tracluupdate 算法描述
  3.5  实验评估及分析
    3.5.1  聚类效果测试
    3.5.2  性能测试
    3.5.3  参数敏感度分析
  3.6  本章小结
4  面向实时查询处理的时空轨迹流挖掘框架
  4.1  引言
  4.2  框架概述
    4.2.1  问题定义
    4.2.2  tsmf框架
  4.3  轨迹数据流挖掘
    4.3.1  轨迹数据流聚类
    4.3.2  swarm-ht 在线更新
  4.4  实时查询处理方法
    4.4.1  cctc 查询
    4.4.2  ccswarm 查询
    4.4.3  k-nnt 查询
  4.5  实验评估
    4.5.1  挖掘效果
    4.5.2  挖掘效率
    4.5.3  查询处理性能测试
    4.5.4  参数敏感度分析
  4.6  本章小结
5  基于gis 的可视化空间数据挖掘技术
  5.1  地理信息系统
    5.1.1  空间数据模型
    5.1.2  空间关联规则
    5.1.3  空间数据库
  5.2  空间数据挖掘
    5.2.1  空间关联规则及其挖掘方法
    5.2.2  支持向量机挖掘方法
    5.2.3  聚类方法
  5.3  空间数据挖掘过程
  5.4  空间数据挖掘的可视化
    5.4.1  基于java 3d 的空间关联规则可视化
    5.4.2  基于平行坐标理论的多维多时相空间数据可视化
  5.5  本章小结
6  支持向量机算法的研究
  6.1  支持向量机算法
    6.1.1  模式的区分
    6.1.2  svm 学习模型
    6.1.3  svm 算法已知的问题
    6.1.4  应用svm 算法进行岩体分类
  6.2  基于案例推理cbr 方法
    6.2.1  基于案例推理方法中的测度
    6.2.2  案例库的设计原则
    6.2.3  基于cbr 方法的改进svm 算法
  6.3  基于空间区域划分的svm 方法
  6.4  算法分析
  6.5  本章小结
7  城市地下空间gis 分类技术及分析
  7.1  空间聚类
  7.2  城市地下空间gis 空间聚类算法
    7.2.1  统计距离方法
    7.2.2  基于相似形理论的夹角余弦方法
    7.2.3  基于k中心点法的空间聚类
  7.3  空间分类结果评价指标
  7.4  文本分类
    7.4.1  预处理技术
    7.4.2  特征提取技术
    7.4.3  特征项权重计算
  7.5  城市地下空间gis 的文本分类算法
  7.6  文本分类效果评价指标
  7.7  分类技术的难点分析
  7.8  本章小结
8  空间数据挖掘过程中的数据质量控制及改进方法
  8.1  空间数据的不确定性
    8.1.1  空间数据不确定性的来源
    8.1.2  空间数据误差评价指标
  8.2  空间数据质量评价
    8.2.1  评价的内容
    8.2.2  评价的方法
  8.3  城市地下空间数据获取方法
    8.3.1  城市地质工程及数据特点
    8.3.2  爆破震动监测测量方法
  8.4  三明治空间抽样方法
  8.5  本章小结
9  城市地下空间数据挖掘gis 原型系统构建
  9.1  系统构建策略
  9.2  系统功能设计
  9.3  数据流程设计
  9.4  插件式系统集成方法
  9.5  系统运行效果
  9.6  本章小结
附录  符号说明
参考文献
展开全部
商品评论(0条)
暂无评论……
书友推荐
编辑推荐
返回顶部
中图网
在线客服