|
-- 會員 / 註冊 --
|
|
|
|
動態數據流分類方法及其在民族信息數據挖掘中的應用 ( 簡體 字) |
作者:姚遠,張俊星,徐國凱 | 類別:1. -> 程式設計 -> 綜合 |
譯者: |
出版社:電子工業出版社 | 3dWoo書號: 40264 詢問書籍請說出此書號!【缺書】 NT售價: 240 元 |
出版日:11/1/2014 |
頁數:256 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787121246524 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言:從書序 56個民族56枝花。在中華文明發展的歷史長河中,勤勞勇敢的各少數民族群眾在生產和生活實踐中創造了各具特色的民族特需用品。它們是人類智慧與文明的結晶,是中華民族寶貴的物質與精神財富,是連接民族情感的紐帶和維系國家統一的基礎。 我國的少數民族特需用品種類繁雜、內容豐富,載體形式多樣,蘊含著豐富的民族文化信息,一旦失傳,必將帶來無法挽回的損失。現實情況恰恰是,相當一部分基于傳統工藝的少數民族特需用品因年代久遠或受現代大工業生產的沖擊已經接近失傳,急需保護與發揚。 《中國少數民族特需用品數字化工程叢書》是“十一五”國家科技支撐計劃課題“民族特需品數字化關鍵技術研究與示范應用”(課題編號2009BAH41B05)成果的體現,是我國第一部針對少數民族特需用品進行系統挖掘、整理、研究和展示的學術著作。 該叢書內容涵蓋了少數民族特需用品的發展歷史與國家相關政策、系統化的評價規范、各類數字化技術(信息系統體系建設、多媒體數據庫建設、數字媒體技術、虛擬現實技術)、多語種詞匯庫(漢語、少數民族語、英語)、先進的數字化軟件及其相關應用實例。 在本叢書的完成過程中,創作團隊多次深入少數民族地區進行數據的挖掘、采集與整理,對紛繁浩瀚的民族特需用品資料進行了系統與全面的歸納、分析和整理,進行了挑戰性極強的后期研究與數字化工作。叢書的完成歷時 三年之久。希望叢書的出版能夠對我國少數民族特需用品及其所承載文化的傳承、保護和發揚盡綿薄之力。 非常感謝國家民族事務委員會、國家科學技術部、大連民族學院,以及國家工業和信息化部“工業和信息產業科技與教育專著出版資金”評審委員會對本叢書的出版給予的精心指導與大力支持。
徐國凱 張俊星 2014年5月
前言 分類問題作為數據挖掘領域一個經典而重要的課題,一直受到學術界的關注。然而,隨著物聯網的推廣,以及“大數據”時代的到來,傳統數據分類方法正面臨新的挑戰,首當其沖的就是數據形式的變化,即從傳統的靜態數據向動態的數據流形式轉變。與靜態數據相比,動態數據流具有三個特點,即海量性、實時性和動態變化性,這些特點大大增加了數據流分類的難度。因此,如何設計一種數據流分類模型,既能夠滿足數據流的特點,又能夠對數據流進行有效分類,成為當前學術界研究的熱點問題。 動態數據流分類的核心問題是如何設計分類器,滿足數據流的三個特點。數據流的海量性要求分類模型具有處理“大數據”的能力,這種數據至少是GB級別的,通常使用動態數據庫與實時數據庫作為數據源;數據流的實時性特點要求分類模型具有快速處理數據的能力,對分類結果應在數據流不斷產生中同步給出;數據流的動態變化性特點要求分類模型能夠自我更新以適應新數據環境的分類需求。因此,對于數據流分類問題的研究,需要在傳統分類方法的基礎上改進或提出新穎的數據分類技術。 本書介紹了近年來應用于動態數據流分類領域中的幾種較新穎的分類方法,包括集成學習數據流分類方法、增量式學習數據流分類方法、數據流概念漂移檢測及學習,以及數據流分類技術在民族信息數據挖掘中的應用等內容,研究了它們的原理、特點、性能及應用情況。全書共分為6章:第1章概述傳統數據挖掘技術和動態數據挖掘 技術,重點介紹動態數據流挖掘技術產生的背景、發展現狀和未來發展方向;第2章探討數據流挖掘技術及其應用、數據流挖掘算法,以及網絡數據流實時監測系統;第3章介紹集成學習數據流分類方法、不同分類器集成方法及分類結果融合技術等內容;第4章研究基于增量式學習的數據流分類模型的構建,著重研究了動態數據流環境下,基于學習方式的分類模型增量式學習技術,以及不同分類方法對于增量式學習的改進和優化;第5章介紹動態數據流概念漂移的產生原因,檢測方法及概念漂移學習策略;第6章將前面動態數據流分類方法進行融合,以民族信息數據為背景,針對民族信息數據流分類問題展開研究,提出多種具有民族特點的數據流分類方法。總體來說,各章內容相對獨立又相互聯系,較為系統地闡述了動態數據流分類方法的研究現狀。 本書是作者在博士期間針對數據流挖掘所開展工作的系統而全面的總結,通過將已獲得的研究成果與最新國內外研究進展相結合,擴充了數據流分類方法的內容,使得本書內容與當前最新動態數據流分類問題研究的前沿接軌,給讀者提供最新的研究現狀。 在撰寫本書過程中得到了徐國凱和張俊星院長、教授的大力支持和幫助。徐國凱教授負責撰寫動態數據流與民族信息數據挖掘相關內容,這部分是本書的特色之一。此外,在本書的撰寫過程中,參考了國內外的相關研究成果和著作,在此感謝所涉及的所有專家和研究人員。 最后,本書的順利完成還需要感謝默默在背后支持我的父母和妻子李純,沒有你們給我創造的寫作環境,這本書也不會那么快的完成。另外,我的兒子姚斐,盡管你現在還那么小(6個月),但希望這本書作為爸爸送你的禮物,祝愿你茁壯成長,開開心心每一天,爸爸永遠愛你。 由于作者水平有限,不妥之處在所難免,懇請同行與讀者批評指正。 |
內容簡介:本書是國家科技支撐計劃“民族特需品數字化關鍵技術研究及示范應用”課題的成果。它以民族特需品多媒體數據庫的建立為平臺,利用文字、圖片、音頻、視頻、動畫、逆工程及虛擬現實技術為方法,講述民族特需品數字化挖掘、整理及展示的技術與方法。書中內容涵蓋了:民族特需品數字化解決方案、特需品多媒體數據庫建設、特需品數字媒體技術、基于模式識別的特需品自動錄入技術、特需品網站自動生成技術、特需品多媒體數據庫自動檢索技術、特需品多媒體數據庫中的數字版權等問題。 |
目錄:第1章 緒論 / 4 1.1 引言 / 5 1.2 數據挖掘概述 / 6 1.2.1 數據挖掘基本概念介紹 / 6 1.2.2 數據挖掘基本技術介紹 / 15 1.3 動態數據挖掘概述 / 21 1.3.1 動態數據挖掘概念介紹 / 22 1.3.2 數據流挖掘研究意義 / 22 1.3.3 動態數據分類方法國內外 研究現狀 / 23 1.4 本章小結 / 29 第2章 數據流挖掘技術 / 31 2.1 概述 / 31 2.2 數據流挖掘相關技術 簡介 / 38 2.2.1 滑動窗口技術 / 38 2.2.2 動態抽樣技術 / 40 2.2.3 數據概要方法 / 41 2.2.4 更新策略 / 46 2.2.5 數據流預處理技術 / 47 2.3 數據流挖掘基本算法 介紹 / 52 2.3.1 數據流聚類算法 / 53 2.3.2 數據流分類算法 / 60 2.3.3 數據流頻繁規則挖掘 算法 / 66 2.3.4 多數據流挖掘算法 / 69 2.4 數據流挖掘技術相關 應用 / 72 2.5 本章小結 / 74 第3章 集成學習數據流分類 技術 / 75 3.1 概述 / 75 3.1.1 集成學習基本理論 / 75 3.1.2 集成學習研究現狀 / 79 3.2 Learn++系列算法 / 80 3.2.1 Learn++介紹 / 80 3.2.2 Learn++.NC / 82 3.2.3 Learn++.DF / 84 3.2.4 Learn++.MF / 85 3.2.5 Learn++.NSE / 86 3.3 基于SVM-SOM的數據 流混合分類方法 / 88 3.3.1 SVM模型介紹 / 89 3.3.2 SOM模型介紹 / 90 3.3.3 粒子群與遺傳算法介紹 / 91 3.3.4 SVM-SOM混合模型構建 方法 / 92 3.4 集成學習結果合并方法 / 97 3.4.1 基于均值的合并方法 / 97 3.4.2 投票合并方法 / 99 3.4.3 其他合并方法 / 102 3.5 本章小結 / 102 第4章 增量式學習數據流分類 方法 / 104 4.1 概述 / 104 4.2 傳統分類器存在問題及 解決方法 / 104 4.3 增量式相關算法介紹 / 106 4.4 基于輪轉式結構的增量 式數據流分類模型 / 110 4.4.1 算法介紹 / 110 4.4.2 實驗及結果分析 / 113 4.6 其他增量式分類模型 介紹 / 116 4.6.1 基于增量式學習的極端 學習機分類模型 / 116 4.6.2 數據流可調節增量學習 模型 / 119 4.6.3 基于增量式學習的非穩定 數據流分類模型 / 121 4.6.4 基于增量式學習的LSVM 模型 / 123 4.7 本章小結 / 127 第5章 數據流概念漂移挖掘 方法 / 128 5.1 概述 / 128 5.1.1 概念漂移介紹 / 128 5.1.2 概念漂移研究現狀 / 130 5.1.3 概念漂移檢測方法介紹 / 130 5.3 基于KL-distance的數據 流分類模型 / 131 5.3.1 算法介紹 / 131 5.3.2 實驗結果 / 136 5.4 基于集成學習的概念漂 移分類模型 / 141 5.4.1 算法介紹 / 141 5.4.2 實驗結果 / 143 5.4 概念漂移可視化研究 / 144 5.4.1 可視化算法介紹 / 144 5.4.2 實驗結果 / 146 5.5 本章小結 / 149 第6章 民族信息數據流挖掘 應用 / 150 6.1 概述 / 150 6.2 少數民族信息數據挖掘 現狀 / 154 6.3 數據流分類在少數民族信息挖掘中的應用——少數民族樂器分類模型 / 156 6.3.1 模型框架 / 156 6.3.2 算法介紹 / 157 6.3.3 實驗結果及分析 / 159 6.4 本章小結 / 161 參考文獻 / 162 |
序: |
|