大數據分析研究進展

目錄
前言　
第1章　緒論　1　
1.1　大數據分析框架和科學問題　1　
1.2　大數據研究內容與前沿進展　3　
1.3　本書組織架構　8　
第2章　大數據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　16　
2.2　面向動態(tài)環(huán)境的在線學習　16　
2.2.1　相關工作　18　
2.2.2　最小化自適應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　自適應遺憾和動態(tài)遺憾的內在關聯(lián)　31　
2.2.5　小結　34　
2.3　針對復雜噪聲分布數據的誤差建模方法　34　
2.3.1　誤差建模原理簡介　34　
2.3.2　針對復雜i.i.d.（獨立同分布）噪聲數據的誤差建模方法　38　
2.3.3　針對復雜非i.i.d.噪聲數據的誤差建模方法　45　
2.3.4　針對特定領域噪聲數據的誤差建模方法　52　
2.3.5　未來發(fā)展趨勢　55　
參考文獻　56
第3章　大數據可視分析理論與方法　61　
3.1　數據可視化基礎　61　
3.1.1　數據可視化流程與框架　61　
3.1.2　常見數據可視化方法　64　
3.1.3　可視分析　65　
3.2　復雜數據可視化　67　
3.2.1　圖片數據可視化　68　
3.2.2　地理空間數據可視化　75　
3.2.3　時間敘事可視化　81　
3.2.4　小結　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　城市數據可視化　98　
3.3.3　小結　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　127　
參考文獻　128　
第4章　多源不確定數據挖掘方法與技術　136　
4.1　針對多源異構數據的多度量學習　136　
4.1.1　多度量學習　136　
4.1.2　應對動態(tài)異構成分的多度量學習　141　
4.1.3　應對多樣語義挑戰(zhàn)的多度量學習　147　
4.1.4　小結　154　
4.2　圍繞先驗缺乏任務的數據挖掘　154　
4.2.1　相關工作　155　
4.2.2　考慮成本差異的主動知識獲取　156　
4.2.3　結合模型遷移的自適數據挖掘　166　
4.2.4　小結　174　
參考文獻　175　
第5章　自動深層化知識處理方法與技術　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用　201　
5.1.4　小結　208
5.2　基于知識的智能應用　209　
5.2.1　知識圖譜上的實體關聯(lián)搜索　209　
5.2.2　知識庫復雜問題理解　219　
5.2.3　小結　228　
參考文獻　229　
第6章　大數據分析平臺、標準與應用示范　236　
6.1　大數據分析平臺與基準測試　236　
6.1.1　大數據分析平臺　236　
6.1.2　視頻基準測試集　240　
6.1.3　小結　247　
6.2　大數據標準制定　247　
6.2.1　國內外標準化現(xiàn)狀　247　
6.2.2　開放共享標準研究　248　
6.2.3　大數據系統(tǒng)標準研究　251　
6.2.4　小結　254　
6.3　大數據分析應用示范　254　
6.3.1　大數據分析技術在智慧法院的應用示范　254　
6.3.2　視頻目標關聯(lián)與快速檢索應用示范　263　
6.3.3　小結　272　
參考文獻　273　
索引　277