图书介绍

大数据元启发式算法教程PDF|Epub|txt|kindle电子书版本网盘下载

大数据元启发式算法教程
  • （法）克拉丽丝·达恩恩斯；（法）利蒂希娅·儒尔当著 著
  • 出版社： 北京：人民邮电出版社
  • ISBN：7115465266
  • 出版时间：2017
  • 标注页数：206页
  • 文件大小：26MB
  • 文件页数：221页
  • 主题词：数据处理－启发式算法

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：f94bb6e584593134b033fd3a07d74a76

下载说明

大数据元启发式算法教程PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 优化与大数据1

1.1大数据环境2

1.1.1大数据环境示例3

1.1.2定义4

1.1.3大数据面临的挑战6

1.1.4元启发式算法和大数据9

1.2大数据中的知识发现11

1.2.1数据挖掘与知识发现11

1.2.2主要的数据挖掘任务13

1.2.3数据挖掘任务作为优化问题17

1.3数据挖掘算法的性能分析17

1.3.1环境17

1.3.2一个或多个数据集评估19

1.3.3存储库和数据集20

1.4本章小结21

第2章 元启发式算法简介23

2.1引言24

2.1.1组合优化问题25

2.1.2解决组合优化问题25

2.1.3优化方法的主要类型26

2.2元启发式算法的通用概念27

2.2.1表示/编码27

2.2.2约束满足28

2.2.3优化标准/目标函数29

2.2.4性能分析30

2.3基于单一解/局部搜索的方法31

2.3.1方案邻域31

2.3.2爬山算法33

2.3.3禁忌搜索34

2.3.4模拟退火和阈值接受法35

2.3.5结合局部搜索方法36

2.4基于群体的元启发式算法37

2.4.1进化计算38

2.4.2群智能算法41

2.5多目标元启发式算法43

2.5.1多目标优化的基本概念44

2.5.2使用元启发式算法进行多目标优化46

2.5.3多目标优化的性能评估50

2.6本章小结51

第3章 元启发式算法与并行优化53

3.1并行计算54

3.1.1位级别并行55

3.1.2指令级并行55

3.1.3任务与数据并行55

3.2并行元启发式算法56

3.2.1一般概念56

3.2.2并行基于单一解的元启发式算法56

3.2.3并行基于总体的元启发式算法58

3.3并行元启发式算法的基础设施和技术58

3.3.1分布式模型58

3.3.2硬件型号59

3.4质量措施62

3.4.1加速62

3.4.2效率62

3.4.3串行分数63

3.5本章小结63

第4章 元启发式算法与聚类算法65

4.1任务描述66

4.1.1划分法67

4.1.2层次法68

4.1.3基于网格法70

4.1.4基于密度法70

4.2大数据与聚类分析71

4.3优化模型71

4.3.1组合问题71

4.3.2质量措施72

4.3.3表示79

4.4方法概述83

4.5验证84

4.5.1内部验证86

4.5.2外部验证86

4.6本章小结88

第5章 元启发式算法与关联规则89

5.1任务描述和经典算法91

5.1.1初始化问题91

5.1.2先验算法92

5.2优化模型93

5.2.1组合问题93

5.2.2质量测量93

5.2.3单目标还是多目标问题95

5.3关联规则挖掘问题的元启发式算法概述96

5.3.1一般性96

5.3.2分类关联规则的元启发式算法97

5.3.3定量关联规则的进化算法102

5.3.4模糊关联规则的元启发式算法105

5.4总表108

5.5本章小结110

第6章 元启发式算法与（监督）分类111

6.1任务描述和标准算法112

6.1.1问题描述112

6.1.2 K最近邻分类算法（KNN）113

6.1.3决策树114

6.1.4朴素贝叶斯算法115

6.1.5人工神经网络115

6.1.6支持向量机116

6.2优化模型117

6.2.1组合问题117

6.2.2质量措施117

6.2.3监督分类的性能评估方法119

6.3构建标准分类器的元启发式算法120

6.3.1 KNN算法优化120

6.3.2决策树121

6.3.3 ANN算法优化124

6.3.4 SVM算法优化125

6.4元启发式算法分类规则127

6.4.1建模127

6.4.2目标函数128

6.4.3算子130

6.4.4算法131

6.5本章小结133

第7章 使用元启发式算法在分类中进行特征选择135

7.1任务描述137

7.1.1筛选器模型137

7.1.2封装器模型138

7.1.3嵌入式模型138

7.2优化模型139

7.2.1组合优化问题139

7.2.2表示140

7.2.3算子141

7.2.4质量测量141

7.2.5验证144

7.3算法概述144

7.4本章小结145

第8章 框架147

8.1设计元启发式算法的框架148

8.1.1 EasyLocal＋＋149

8.1.2 HeuristicLab150

8.1.3 jMetal150

8.1.4 Mallba150

8.1.5 ParadisEO151

8.1.6 ECJ152

8.1.7 OpenBeagle152

8.1.8 JCLEC152

8.2数据挖掘框架153

8.2.1 Orange154

8.2.2 R与Rattle GUI154

8.3元启发式算法数据挖掘框架155

8.3.1 RapidMiner155

8.3.2 WEKA156

8.3.3 KEEL157

8.3.4 MO-Mine158

8.4本章小结159

结论161

参考文献163

热门推荐