動態(tài)數(shù)據(jù)流分類方法及其在民族信息數(shù)據(jù)挖掘中的應用

定　價：￥48.00

作　者：	姚遠，張俊星，徐國凱著
出版社：	電子工業(yè)出版社
叢編項：	中國少數(shù)民族特需用品數(shù)字化工程叢書
標　簽：	計算機/網絡數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787121246524	出版時間：	2014-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	256	字數(shù)：

內容簡介

　　本書是國家科技支撐計劃“民族特需品數(shù)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(shù)據(jù)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(xiàn)實技術為方法，講述民族特需品數(shù)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(shù)字化解決方案、特需品多媒體數(shù)據(jù)庫建設、特需品數(shù)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(shù)據(jù)庫自動檢索技術、特需品多媒體數(shù)據(jù)庫中的數(shù)字版權等問題。

作者簡介

　　徐國凱，大連民族學院機電信息學院院長，教授，長期致力自動化專業(yè)教學和民族特需品文化數(shù)字化保護。獲得國家科技支撐計劃“民族特需品數(shù)字化關鍵技術研究及示范應用”課題支持。

圖書目錄

第1章緒論 / 4
1．1 引言 / 5
1．2 數(shù)據(jù)挖掘概述 / 6
1．2．1 數(shù)據(jù)挖掘基本概念介紹 / 6
1．2．2 數(shù)據(jù)挖掘基本技術介紹 / 15
1．3 動態(tài)數(shù)據(jù)挖掘概述 / 21
1．3．1 動態(tài)數(shù)據(jù)挖掘概念介紹 / 22
1．3．2 數(shù)據(jù)流挖掘研究意義 / 22
1．3．3 動態(tài)數(shù)據(jù)分類方法國內外
研究現(xiàn)狀 / 23
1．4 本章小結 / 29
第2章數(shù)據(jù)流挖掘技術 / 31
2．1 概述 / 31
2．2 數(shù)據(jù)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(tài)抽樣技術 / 40
2．2．3 數(shù)據(jù)概要方法 / 41
2．2．4 更新策略 / 46
2．2．5 數(shù)據(jù)流預處理技術 / 47
2．3 數(shù)據(jù)流挖掘基本算法
介紹 / 52
2．3．1 數(shù)據(jù)流聚類算法 / 53
2．3．2 數(shù)據(jù)流分類算法 / 60
2．3．3 數(shù)據(jù)流頻繁規(guī)則挖掘
算法 / 66
2．3．4 多數(shù)據(jù)流挖掘算法 / 69
2．4 數(shù)據(jù)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(shù)據(jù)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(xiàn)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(shù)據(jù)
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(shù)據(jù)流分類
方法 / 104
4．1 概述 / 104
4．2 傳統(tǒng)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(shù)據(jù)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(shù)據(jù)流可調節(jié)增量學習
模型 / 119
4．6．3 基于增量式學習的非穩(wěn)定
數(shù)據(jù)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(shù)據(jù)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(xiàn)狀 / 130
5．1．3 概念漂移檢測方法介紹 / 130
5．3 基于KL-distance的數(shù)據(jù)
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(shù)據(jù)流挖掘
應用 / 150
6．1 概述 / 150
6．2 少數(shù)民族信息數(shù)據(jù)挖掘
現(xiàn)狀 / 154
6．3 數(shù)據(jù)流分類在少數(shù)民族信息挖掘中的應用――少數(shù)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