注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術(shù)計算機/網(wǎng)絡(luò)數(shù)據(jù)庫大數(shù)據(jù)分析研究進展

大數(shù)據(jù)分析研究進展

大數(shù)據(jù)分析研究進展

定 價:¥189.00

作 者: 周志華,張敏靈,巫英才,瞿裕忠,姜育剛
出版社: 科學出版社
叢編項:
標 簽: 暫缺

ISBN: 9787030732699 出版時間: 2022-10-01 包裝: 平裝
開本: 16開 頁數(shù): 字數(shù):  

內(nèi)容簡介

  大數(shù)據(jù)是推動創(chuàng)新型國家建設(shè)的重要戰(zhàn)略資源?!洞髷?shù)據(jù)分析研究進展》從機器學習、可視分析、知識處理、數(shù)據(jù)挖掘等角度出發(fā),詳細討論了大數(shù)據(jù)分析的相關(guān)基礎(chǔ)理論和技術(shù)方法,主要包括:大數(shù)據(jù)機器學習理論與方法,大數(shù)據(jù)可視分析理論與方法,多源不確定數(shù)據(jù)挖掘方法與技術(shù),自動深層化知識處理方法與技術(shù),大數(shù)據(jù)分析平臺、標準與應(yīng)用示范等?!洞髷?shù)據(jù)分析研究進展》總結(jié)了部分代表性工作,并呈現(xiàn)給讀者。

作者簡介

暫缺《大數(shù)據(jù)分析研究進展》作者簡介

圖書目錄

目錄
前言 
第1章 緒論 1 
1.1 大數(shù)據(jù)分析框架和科學問題 1 
1.2 大數(shù)據(jù)研究內(nèi)容與前沿進展 3 
1.3 本書組織架構(gòu) 8 
第2章 大數(shù)據(jù)機器學習理論與方法 9 
2.1 反繹學習:機器學習與邏輯推理的協(xié)同框架 9 
2.1.1 機器學習與邏輯推理 9 
2.1.2 什么是反繹 11 
2.1.3 反繹學習框架 13 
2.1.4 一個例子 15 
2.1.5 小結(jié) 16 
2.2 面向動態(tài)環(huán)境的在線學習 16 
2.2.1 相關(guān)工作 18 
2.2.2 最小化自適應(yīng)遺憾的在線學習算法和理論 20 
2.2.3 最小化動態(tài)遺憾的在線學習算法和理論 26 
2.2.4 自適應(yīng)遺憾和動態(tài)遺憾的內(nèi)在關(guān)聯(lián) 31 
2.2.5 小結(jié) 34 
2.3 針對復(fù)雜噪聲分布數(shù)據(jù)的誤差建模方法 34 
2.3.1 誤差建模原理簡介 34 
2.3.2 針對復(fù)雜i.i.d.(獨立同分布)噪聲數(shù)據(jù)的誤差建模方法 38 
2.3.3 針對復(fù)雜非i.i.d.噪聲數(shù)據(jù)的誤差建模方法 45 
2.3.4 針對特定領(lǐng)域噪聲數(shù)據(jù)的誤差建模方法 52 
2.3.5 未來發(fā)展趨勢 55 
參考文獻 56
第3章 大數(shù)據(jù)可視分析理論與方法 61 
3.1 數(shù)據(jù)可視化基礎(chǔ) 61 
3.1.1 數(shù)據(jù)可視化流程與框架 61 
3.1.2 常見數(shù)據(jù)可視化方法 64 
3.1.3 可視分析 65 
3.2 復(fù)雜數(shù)據(jù)可視化 67 
3.2.1 圖片數(shù)據(jù)可視化 68 
3.2.2 地理空間數(shù)據(jù)可視化 75 
3.2.3 時間敘事可視化 81 
3.2.4 小結(jié) 89 
3.3 沉浸式可視呈現(xiàn) 89 
3.3.1 敘事可視化創(chuàng)作 90 
3.3.2 城市數(shù)據(jù)可視化 98 
3.3.3 小結(jié) 106 
3.4 可解釋機器學習 106 
3.4.1 模型理解 107 
3.4.2 模型診斷 115 
3.4.3 模型改進 122 
3.4.4 小結(jié) 127 
參考文獻 128 
第4章 多源不確定數(shù)據(jù)挖掘方法與技術(shù) 136 
4.1 針對多源異構(gòu)數(shù)據(jù)的多度量學習 136 
4.1.1 多度量學習 136 
4.1.2 應(yīng)對動態(tài)異構(gòu)成分的多度量學習 141 
4.1.3 應(yīng)對多樣語義挑戰(zhàn)的多度量學習 147 
4.1.4 小結(jié) 154 
4.2 圍繞先驗缺乏任務(wù)的數(shù)據(jù)挖掘 154 
4.2.1 相關(guān)工作 155 
4.2.2 考慮成本差異的主動知識獲取 156 
4.2.3 結(jié)合模型遷移的自適數(shù)據(jù)挖掘 166 
4.2.4 小結(jié) 174 
參考文獻 175 
第5章 自動深層化知識處理方法與技術(shù) 181 
5.1 多模態(tài)下的知識挖掘 181 
5.1.1 單模態(tài)下的知識抽取與關(guān)聯(lián) 181 
5.1.2 多模態(tài)語義對齊和多模態(tài)知識推斷 189 
5.1.3 多模態(tài)下的知識庫表征及應(yīng)用 201 
5.1.4 小結(jié) 208
5.2 基于知識的智能應(yīng)用 209 
5.2.1 知識圖譜上的實體關(guān)聯(lián)搜索 209 
5.2.2 知識庫復(fù)雜問題理解 219 
5.2.3 小結(jié) 228 
參考文獻 229 
第6章 大數(shù)據(jù)分析平臺、標準與應(yīng)用示范 236 
6.1 大數(shù)據(jù)分析平臺與基準測試 236 
6.1.1 大數(shù)據(jù)分析平臺 236 
6.1.2 視頻基準測試集 240 
6.1.3 小結(jié) 247 
6.2 大數(shù)據(jù)標準制定 247 
6.2.1 國內(nèi)外標準化現(xiàn)狀 247 
6.2.2 開放共享標準研究 248 
6.2.3 大數(shù)據(jù)系統(tǒng)標準研究 251 
6.2.4 小結(jié) 254 
6.3 大數(shù)據(jù)分析應(yīng)用示范 254 
6.3.1 大數(shù)據(jù)分析技術(shù)在智慧法院的應(yīng)用示范 254 
6.3.2 視頻目標關(guān)聯(lián)與快速檢索應(yīng)用示范 263 
6.3.3 小結(jié) 272 
參考文獻 273 
索引 277

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.afriseller.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號