大數(shù)據(jù)分析與應(yīng)用

定　價(jià)：￥45.00

作　者：	張著洪，高建瓴，胡濱
出版社：	中南大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

ISBN：	9787548745020	出版時(shí)間：	2021-11-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	193	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　該書旨在以大數(shù)據(jù)分析的基本能力培養(yǎng)與提升為目標(biāo)，以解決文本分析、流數(shù)據(jù)分析問(wèn)題為目的。書中對(duì)大數(shù)據(jù)分析常用的數(shù)值優(yōu)化、智能優(yōu)化、文本挖掘、深度學(xué)習(xí)、圖像處理等方法的基本原理、基本思想、算法與實(shí)現(xiàn)進(jìn)行遞進(jìn)式描述，并輔以事例及應(yīng)用實(shí)例概述文本挖掘、視頻圖像分析的求解原理，側(cè)重?cái)?shù)據(jù)分析方法的原理與思想的介紹；通過(guò)以Python語(yǔ)言為主線編寫程序代碼，并編入書中，增強(qiáng)讀者對(duì)大數(shù)據(jù)分析方法的理解和應(yīng)用。本書共7章，章簡(jiǎn)要概述大數(shù)據(jù)分析平臺(tái)、工具及開(kāi)發(fā)語(yǔ)言；第2章介紹文本分析所需基本概念、思想、算法步驟，以及圖像處理的基本概念和方法；第3章給出來(lái)自數(shù)學(xué)規(guī)劃、人工智能的基本優(yōu)化方法，進(jìn)而介紹數(shù)據(jù)分析中常用的數(shù)據(jù)分類與聚類方法；第4章分析感知器模型、人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的原理與算法，并通過(guò)應(yīng)用實(shí)例加深對(duì)神經(jīng)網(wǎng)絡(luò)應(yīng)用的理解；第5章介紹文本分類算法、算法實(shí)現(xiàn)及應(yīng)用實(shí)例；第6章介紹數(shù)字圖像處理的理論基礎(chǔ)、處理方法與應(yīng)用實(shí)例；第7章介紹數(shù)字視頻圖像的處理與分析方法，并借助視覺(jué)神經(jīng)網(wǎng)絡(luò)及公共場(chǎng)所下人群流量監(jiān)測(cè)實(shí)例，介紹視頻圖像處理與應(yīng)用流程。

作者簡(jiǎn)介

暫缺《大數(shù)據(jù)分析與應(yīng)用》作者簡(jiǎn)介

圖書目錄

第1章大數(shù)據(jù)分析工具
1.1 Hadoop基礎(chǔ)
1.2 Spark基礎(chǔ)
1.3 Python語(yǔ)言基礎(chǔ)
第2章文本與圖像處理基礎(chǔ)
2.1 文本預(yù)處理
2.2 詞與文本向量化
2.3 數(shù)字圖像轉(zhuǎn)換與噪聲處理
2.4 數(shù)字視頻預(yù)處理
第3章化與數(shù)據(jù)挖掘基礎(chǔ)
3.1 數(shù)值優(yōu)化方法
3.2 智能優(yōu)化方法
3.3 分類算法基礎(chǔ)
3.4 聚類算法基礎(chǔ)
第4章深度學(xué)習(xí)方法與實(shí)現(xiàn)
4.1 深度學(xué)習(xí)概述
4.2 感知器模型
4.3 人工神經(jīng)網(wǎng)絡(luò)
4.4 卷積神經(jīng)網(wǎng)絡(luò)
4.5 循環(huán)神經(jīng)網(wǎng)絡(luò)
第5章自然語(yǔ)言分析與實(shí)現(xiàn)
5.1 文本相似度度量
5.2 文本分類算法簡(jiǎn)介
5.3 實(shí)例：新聞文本分類
第6章數(shù)字圖像處理與分析
6.1 圖像分割
6.2 圖像特征提取
6.3 應(yīng)用實(shí)例
第7章數(shù)字視頻處理與分析
7.1 運(yùn)動(dòng)估計(jì)
7.2 視頻分割
7.3 目標(biāo)跟蹤
7.4 實(shí)例：人群流量監(jiān)測(cè)
參考文獻(xiàn)