《大数据分类模型和算法研究》求取 ⇩

第1章绪论1

1.1 大数据的概念和特征1

1.2 大数据的发展趋势3

1.3 大数据的应用价值46

1.4 数据挖掘的产生与功能分析52

1.5 大数据的处理方法65

1.6 本章小结83

第2章大数据处理相关技术与研究现状84

2.1 云技术研究现状84

2.2 大数据的分布式和并行计算研究现状86

2.3 数据存储研究现状99

2.4 大数据分析及挖掘研究现状101

2.5 大数据处理架构Hadoop105

2.6 云计算和大数据的智能应用分析116

2.7 本章小结192

第3章基于大数据的线性分类模型的探索193

3.1 线性分类模型的研究方法193

3.2 线性分类模型的研究内容198

3.3 线性判别式的比较分析与优化方法研究201

3.4 基于线性回归分析的特征抽取及分类应用研究206

3.5 本章小结210

第4章大数据的分类分析模型研究211

4.1 分类分析的定义211

4.2 分类分析的原理和策略方法212

4.3 主要分类模型216

4.4 分类模型的评估指标234

4.5 分类分析模型实例分析237

4.6 基于决策树的分类分析算法的改进与应用分析240

4.7 本章小结248

第5章基于神经网络与人工智能的大数据分析方法研究249

5.1 神经网络249

5.2 神经网络的结构及工作方式253

5.3 人工神经网络与计算智能的研究内容与趋势261

5.4 主要分析方法281

5.5 本章小结293

第6章数据关联规则挖掘及相关算法294

6.1 数据关联规则概念294

6.2 数据关联规则相关算法的研究内容296

6.3 主要数据关联规则挖掘算法300

6.4 关联规则有效性的评估指标与策略方法309

6.5 本章小结311

第7章基于Hadoop的分布式算法的设计与实现312

7.1 分布式文件访问与计算的研究内容312

7.2 基于Hadoop的分布式算法分析和模型实现328

7.3 基于Hadoop的一种网络结构化分布式算法331

7.4 一种基于密度的分布式算法333

7.5 实验设计与分析334

7.6 本章小结335

第8章大数据分析中的聚类算法研究336

8.1 大数据分析中聚类分析算法的研究现状336

8.2 大数据分析中聚类分析算法的研究内容337

8.3 聚类分析相关算法341

8.4 算法性能评价指标357

8.5 大数据处理平台下聚类算法的实验结果与分析358

8.6 本章小结360

第9章大数据分析算法的并行化研究361

9.1 大数据分析中并行化研究现状361

9.2 大数据分析中并行化算法的研究内容362

9.3 大数据分析中相关并行化算法369

9.4 算法性能评价指标403

9.5 基于Map Reduce的大数据处理并行算法的优化403

9.6 大数据分析并行化算法应用案例分析408

9.7 本章小结414

第10章大数据计算平台415

10.1 数据并行计算框架Spark的研究内容415

10.2 数据并行运行时平台Hyracks分析432

10.3 Storm流计算系统特征435

10.4 本章小结451

参考文献453