成功加入购物车
图书条目标准图
正版全新,绝无盗版,可开具图书发票
由育阳 著 / 北京理工大学出版社 / 2021-06 / 平装
售价 ¥ 42.40 6.2折
定价 ¥68.00
品相 全新
优惠 满包邮
延迟发货说明
上书时间2024-09-18
卖家超过10天未登录
数据挖掘技术与应用
数据挖掘技术与应用由由育阳编著
第1章 绪论1.1 数据挖掘的定义1.2 为什么进行数据挖掘1.2.1 数据挖掘的背景1.2.2 数据挖掘的意义1.3 数据挖掘的应用1.4 数据挖掘的对象和常用方法1.4.1 数据挖掘的对象1.4.2 数据挖掘的常用方法1.5 数据挖掘的主要问题1.6 数据挖掘在睡眠分期中的应用1.6.1 睡眠分期的背景1.6.2 常用睡眠分期数据库1.6.3 睡眠分期中的数据挖掘参考文献第2章 数据描述和预处理2.1 数据描述2.2 数据类型2.2.1 数据的一般特性2.2.2 记录数据2.2.3 基于图形的数据2.2.4 有序数据2.3 数据质量2.4 数据可视化2.4.1 柱形图2.4.2 直方图与核密度估计图2.4.3 箱形图2.5 数据预处理2.5.1 标准化2.5.2 非线性变换2.5.3 归一化2.5.4 离散化2.6 睡眠分期中的数据描述和预处理参考文献第3章 基本统计分析方法3.1 正态分布参数的假设检验和区间估计3.1.1 对均值肚的估计3.1.2 对方差α2的假设检验和置信区间3.2 两组数据的比较3.2.1 数据成对3.2.2 数据相互独立3.3 二维数据检验3.4 回归分析3.4.1 主要定理3.4.2 非线性转换3.4.3 分类属性预测3.5 方差分析3.5.1 单因素方差分析3.5.2 多因素ANOVA3.6 睡眠脑电特征基本统计方法示例参考文献第4章 决策树算法与森林4.1 决策树模型与学习4.1.1 决策树模型4.1.2 决策树与if-then规则4.1.3 决策树与条件概率分布4.1.4 决策树学习4.2 特征选择4.2.1 特征选择的问题4.2.2 信息增益4.2.3 信息增益比4.3 决策树的生成4.3.1 ID3算法4.3.2 C4.5 的生成算法4.4 决策树的剪枝4.5 “分类与回归树算法4.5.1 CART的生成4.5.2 CART剪枝算法4.6 集成学习和森林4.6.1 集成学习4.6.2 Bagging与森林4.7 森林算法在睡眠分期中的应用参考文献第5章 贝叶斯网络5.1 朴素贝叶斯法的学习与分类5.1.1 基本方法5.1.2 后验概率化的含义5.2 朴素贝叶斯的参数估计5.2.1 极大似然估计5.2.2 学习与分类算法5.2.3 贝叶斯估计5.3 贝叶斯网络5.3.1 模型表示5.3.2 建立模型5.3.3 使用贝叶斯信念网络进行推理示例5.3.4 BBN的特点5.4 贝叶斯网络在睡眠分期中的应用参考文献第6章 支持向量机6.1 线性可分的SVM方法6.2 线性不可分的SVM方法6.3 核函数6.4 SVM在睡眠分期中的应用参考文献第7章 神经网络算法7.1 概述7.1.1 人工神经网络发展历史7.1.2 神经网络分类7.2 单层神经网络7.2.1 生物神经网络7.2.2 人工神经网络7.3 多层感知器和反向传播算法7.3.1 反向传播算法和反向传播网络简介7.3.3 误差反向传播7.3.4 梯度消失问题及其解决办法7.4 深度学习7.4.1 深度学习与神经网络7.4.2 N――AlexNet模型7.5 神经网络在睡眠分期中的应用参考文献第8章 遗传算法8.1 遗传算法的基本原理8.1.1 遗传与进化的系统观8.1.2 遗传算法的特点8.1.3 遗传算法的基本术语8.1.4 遗传算法的主要步骤8.1.5 基本遗传算法的构成要素8.2 遗传算法的基本实现技术8.2.1 编码方法8.2.2 适应度函数8.2.3 选择算子8.2.4 交叉算子8.2.5 变异算子8.2.6 遗传算法的运行参数8.2.7 约束条件的处理方法8.3 遗传算法的优化举例8.3.1 优化实例l8.3.2 优化实例参考文献第9章 聚类算法9.1 K-Means聚类9.2 Mean-Shift聚类9.3 基于密度的聚类方法9.3.1 算法优缺点9.3.2 基本概念9.3.3 I)BSCAN算法原理9.4 基于高斯混合模型的期望化聚类9.5 聚类算法在睡眠分期中的应用9.5.1 K-Means方法9.5.2 DBSCAN方法参考文献第10章 主成分分析10.1 数据降维10.2 主成分分析原理10.2.1 PCA的理论推导10.2.2 方差、协方差及协方差矩阵10.3 PcA算法示例10.4 PCA在睡眠分期中的应用参考文献第1l章 其他数据挖掘算法11.1 隐马尔可夫模型11.1.1 什么样的问题需要HMM11.1.2 HMM11.1.3 一个HMM实例11.1.4 HMM观测序列的生成11.1.5 HMM的三个基本问题11.1.6 代码示例11.2 关联规则挖掘11.2.1 关联规则介绍11.2.2 Apriori算法11.2.3 FP-growth算法11.2.4 幸存者偏差11.2.5 代码示例参考文献
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30