欢迎光临中图网 请 | 注册
> >
实时数据流的算法处理及其应用

实时数据流的算法处理及其应用

作者:张晓龙
出版社:科学出版社出版时间:2018-06-01
开本: 16开 页数: 148
读者评分:4分1条评论
中 图 价:¥33.3(4.9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
温馨提示:5折以下图书主要为出版社尾货,大部分为全新(有塑封/无塑封),个别图书品相8-9成新、切口
有划线标记、光盘等附件不全详细品相说明>>
本类五星书更多>

实时数据流的算法处理及其应用 版权信息

实时数据流的算法处理及其应用 本书特色

全书共分为五大部分,*部分介绍了实时数据流和聚类方法的背景,包括实时数据流的特点、进行数据分析的技术以及研究现状。第二部分详细讲解了聚类方法中的简单聚类,包括基于衰减窗口与剪枝维度树的数据流聚类和实时数据流动态模式发现与跟踪方法,以及相关实验证明等内容。第三部分详细阐述了增量聚类技术,包括什么是增量聚类、网格划分策略,以及两个特点不同的增量聚类算法等内容。第四部分介绍了聚类算法的一个应用,边界技术检测,这是除了聚类方法除了模式发现之外的另一个应用之处。第五部分以实时数据流在某钢铁厂的实际应用为案例,剖析了实时数据流在实际生产中的应用过程和方法,以及通过实时数据流对企业生产过程的分析,*后还将聚类方法应用与该案例中,做到对结果进行可视化分析,帮助读者将理论知识贯穿于实践中

实时数据流的算法处理及其应用 内容简介

全书共分为五大部分,**部分介绍了实时数据流和聚类方法的背景,包括实时数据流的特点、进行数据分析的技术以及研究现状。第二部分详细讲解了聚类方法中的简单聚类,包括基于衰减窗口与剪枝维度树的数据流聚类和实时数据流动态模式发现与跟踪方法,以及相关实验证明等内容。第三部分详细阐述了增量聚类技术,包括什么是增量聚类、网格划分策略,以及两个特点不同的增量聚类算法等内容。第四部分介绍了聚类算法的一个应用,边界技术检测,这是除了聚类方法除了模式发现之外的另一个应用之处。第五部分以实时数据流在某钢铁厂的实际应用为案例,剖析了实时数据流在实际生产中的应用过程和方法,以及通过实时数据流对企业生产过程的分析,*后还将聚类方法应用与该案例中,做到对结果进行可视化分析,帮助读者将理论知识贯穿于实践中。

实时数据流的算法处理及其应用 目录

目录 第1章 实时数据流和聚类方法的背景 1 1.1 实时数据流 1 1.1.1 实时数据流的定义 1 1.1.2 实时数据流的研究现状 3 1.2 实时数据流聚类 5 1.3 实时数据流分类 6 1.3.1 Hoeffding树算法 7 1.3.2 快速决策树 8 1.3.3 概念自适应快速决策树 8 1.3.4 分类器系综 9 1.4 实时数据流频繁模式挖掘 9 1.4.1 基于概率误差区间 10 1.4.2 基于确定误差区间 11 1.4.3 其他高效的挖掘算法 11 1.5 实时数据流关联规则分析 11 1.5.1 多数据流的关联度计算 12 1.5.2 多数据流的主分量计算 12 1.6 数据流挖掘应用系统研究 12 第2章 基于衰减窗口与剪枝维度树的数据流聚类 14 2.1 聚类技术简介 14 2.1.1 数据流聚类常用技术 14 2.1.2 衰减窗口模型及衰减因子 16 2.1.3 基本概念与定义 17 2.2 算法整体描述 77 2.3 周期性剪枝策略 25 2.4 实时数据流在线聚类 27 2.5 实验结果与分析 27 2.5.1 基于二维人工实时数据流的聚类分析 28 2.5.2 二维人工实时数据流的演化 30 2.5.3 基于高维真实实时数据流的聚类分析 32 2.5.4 周期性剪枝效果分析 35 第3章 实时数据流动态模式发现与跟踪方法 38 3.1 数据流模式简介 38 3.1.1 实时数据流模式演化分析 38 3.1.2 基本的概念与定义 40 3.2 算法框架 43 3.3 模式存储结构与模式快照策略 45 3.3.1 模式存储结构 45 3.3.2 模式快照策略 47 3.4 模式发现与跟踪算法 48 3.5 实验结果与分析 51 3.5.1 基于二维人l:数据集的模式发现与跟踪 51 3.5.2 真实数据集的模式发现跟踪 53 3.5.3 实验相关参数选择 55 第4章 增量式聚类方法与网格划分策略 57 4.1 增量式聚类方法 58 4.2 网格划分策略 59 4.2.1 不均匀网格划分 59 4.2.2 均匀网格划分 60 第5章 基于网格和密度维度树的增量聚类算法IGDStream 61 5.1 IGDStream算法主要思想 61 5.2 预测下一次聚类的时刻 62 5.3 聚类簇的变化 63 5.4 IGDStream算法整体框架 65 5.5 实验结果与效率分析 66 5.5.1 实验结果比较与分析 66 5.5.2 算法时问性能分析 71 5.5.3 实验小结 72 第6章 基于密度维度树的增量式网格聚类算法IGDDT 73 6.1 问题的提出 73 6.2 算法的基本思想 74 6.3 网格二次划分与网格类型的确定 75 6.3.1 网格二次划分 75 6.3.2 网格类型的确定 77 6.4 相邻可聚类区域的判断算法 78 6.5 IGDDT算法整体框架 79 6.5.1 初始聚类子算法 80 6.5.2 更新聚类的算法 81 6.6 实验结果与分析 82 6.6.1 人工实时数据流聚类演化过程分析 82 6.6.2 二维仿真数据集聚类准确率比较 85 6.6.3 不同规模的数据集聚类速度比较 85 6.6.4 多维真实数据流的聚类结果比较 86 第7章 基于距离和密度的实时数据流聚类及其边界检测技术的研究 88 7.1 实时数据流聚类的基本概念与定义 88 7.2 算法框架 93 7.3 实时数据流中数据信息的存储和更新 96 7.4 基于网格方法的实时数据流聚类 99 7.5 实时数据流的聚类边界检测 100 7.6 实验结果与效率分析 101 7.6.1 实验结果比较与分析 102 7.6.2 算法时问性能分析 107 7.6.3 实验小结 107 第8章 实时数据流在钢铁质量监控中的应用 109 8.1 实时数据库 110 8.1.1 实时数据库的定义 110 8.1.2 PI系统 111 8.1.3 实时数据库的应用 112 8.2 钢铁产品生产过程实时监控系统架构 113 8.2.1 系统架构 113 8.2.2 功能模块 113 8.3 实时数据的采集 114 8.4 系统数据处理模块的实现 115 8.4.1 PIBatch数据定时计算并导出 115 8.4.2 钢卷PDI数据解包 115 8.5 实时数据流分析 116 8.5.1 工艺在线监控及报警 116 8.5.2 实时数据流预处理 118 8.5.3 产品离线质量分析 120 8.5.4 产品在线质量判定 123 8.6 实时数据流聚类方法的应用 126 8.6.1 数据预处理 126 8.6.2 不同钢种质量分析 127 8.6.3 钢卷关键工艺点的相互影响 128 8.6.4 班组对产品质量的影响 129 8.6.5 单个钢卷质量分析 129 参考文献 131 后记 138
展开全部
商品评论(1条)
书友推荐
编辑推荐
返回顶部
中图网
在线客服