數(shù)據(jù)挖掘算法（基于C++及CUDA C）

第1章  概述 1
第2章  前向選擇成分分析 3
前向選擇成分分析概述 3
數(shù)學(xué)原理與代碼示例 5
化解釋方差 6
方差化準(zhǔn)則代碼 7
后向細(xì)化 10
多線程后向細(xì)化 13
有序成分正交化 18
綜合應(yīng)用 20
僅前向選擇子集的成分變量 24
后向細(xì)化子集的成分變量 25
人工變量示例 26
第3章  局部特征選擇 30
算法概述 30
算法輸出結(jié)果 34
簡要介紹：單純形算法 34
線性規(guī)劃問題 35
Simplex類的接口 36
更多細(xì)節(jié) 37
一種更嚴(yán)格的LFS方法 38
類內(nèi)分割和類間分割 41
計(jì)算權(quán)重 43
化類間分割 45
小化類內(nèi)分割 48
測試β試驗(yàn)值 49
關(guān)于線程的簡要說明 52
CUDA權(quán)重計(jì)算 52
將CUDA代碼集成到算法中 53
初始化CUDA硬件 54
計(jì)算與當(dāng)前實(shí)例之差 56
計(jì)算距離矩陣 57
計(jì)算小距離 59
計(jì)算權(quán)重方程項(xiàng) 63
轉(zhuǎn)置項(xiàng)矩陣 64
權(quán)重項(xiàng)求和 65
權(quán)重遷移到主機(jī) 66
局部特征選擇示例 66
關(guān)于運(yùn)行時(shí)的解釋說明 67
第4章  時(shí)間序列特征的記憶特性 68
簡單數(shù)學(xué)概述 69
前向算法 70
后向算法 72
α和β修正 74
一些常規(guī)計(jì)算 78
均值和協(xié)方差 78
概率密度 79
多元正態(tài)概率密度函數(shù) 80
啟動(dòng)參數(shù) 81
初始化算法流程 81
對(duì)均值施加擾動(dòng) 82
對(duì)協(xié)方差施加擾動(dòng) 82
對(duì)轉(zhuǎn)移概率施加擾動(dòng) 83
關(guān)于隨機(jī)數(shù)發(fā)生器的解釋 83
完整優(yōu)化算法 84
計(jì)算狀態(tài)概率 85
更新均值和協(xié)方差 87
更新初始概率和轉(zhuǎn)移概率 89
HMM在時(shí)間序列中的記憶特性評(píng)估 93
鏈接特征變量與目標(biāo)變量 96
鏈接HMM狀態(tài)與目標(biāo) 102
一個(gè)人為的不當(dāng)示例 109
一個(gè)合理可行的示例 111
第5章  逐步選擇改進(jìn)算法 113
特征評(píng)估模型 114
基本模型實(shí)現(xiàn)代碼 115
交叉驗(yàn)證性能度量 118
逐步選擇算法 120
確定個(gè)變量 125
在現(xiàn)有模型中添加變量 127
三個(gè)算法演示示例 130
第6章  名義變量到有序變量的轉(zhuǎn)換 133
實(shí)現(xiàn)概述 135
合理關(guān)系測試 135
股票價(jià)格變動(dòng)示例 136
名義變量到有序變量變換實(shí)現(xiàn)代碼 138
構(gòu)造函數(shù) 139
輸出計(jì)數(shù)表 141
計(jì)算映射函數(shù) 143
Monte-Carlo置換檢驗(yàn) 145