当前位置:主页 > 计算机电子书 > 大数据分析 > 信息挖掘下载
智能信息挖掘与处理

智能信息挖掘与处理 PDF 超清版

  • 更新:2021-09-06
  • 大小:28.22MB
  • 类别:信息挖掘
  • 作者:杨振舰
  • 出版:化学工业出版社
  • 格式:PDF

  • 资源介绍
  • 相关推荐

智能信息挖掘与处理

作者:杨振舰,于彦伟,张运杰 编著

出版时间:2014年版

本书从基于密度的空间数据流聚类、簇结构挖掘、轨迹数据流在线聚类及异常检测四个方面,分析了现有数据流挖掘算法的挖掘效果、运行效率、可伸缩性与参数敏感性等相关问题,提出了一系列适用于海量时空数据流在线分析的方法与处理框架。然后基于可视化数据挖掘技术的城市地下空间GIS系统的关键技术和构建方法,改进机器学习算法、空间和非空间的聚类算法,研究结合挖掘算法的相关可视化技术。本书可作为高等院校计算机工程、信息工程、智能机器人学、工业自动化、模式识别等学科研究生的教材或教学参考书,亦可供智能信息挖掘与处理研究人员参考。

目录

  • 1概论1
  • 1.1时空数据挖掘研究概述3
  • 1.2空间数据流聚类算法研究5
  • 1.2.1基于密度的聚类算法5
  • 1.2.2数据流聚类算法9
  • 1.3时空轨迹数据挖掘研究现状11
  • 1.3.1轨迹距离测量方法11
  • 1.3.2轨迹数据流聚类算法相关研究14
  • 1.3.3移动目标轨迹模式挖掘相关研究17
  • 1.3.4面向邻居的实时查询处理方法20
  • 1.4GIS可视化空间数据挖掘技术21
  • 1.5城市超前地质预报发展现状22
  • 1.6本章小结23
  • 2基于密度的空间数据流在线聚类算法24
  • 2.1引言24
  • 2.2在线聚类相关定义25
  • 2.2.1基本概念25
  • 2.2.2在线聚类描述27
  • 2.3OLDStream算法27
  • 2.3.1算法思想27
  • 2.3.2算法描述28
  • 2.3.3时间复杂度31
  • 2.4实验测试及分析32
  • 2.4.1聚类效果测试32
  • 2.4.2性能测试34
  • 2.4.3输入参数敏感度分析35
  • 2.5本章小结38
  • 3海量轨迹数据流在线聚类算法39
  • 3.1概述39
  • 3.2问题定义40
  • 3.2.1基本概念40
  • 3.2.2CTraStream基本框架43
  • 3.3基于密度的线段流聚类44
  • 3.3.1新线段的影响44
  • 3.3.2CLnStream描述45
  • 3.4轨迹簇在线更新方法46
  • 3.4.1TC-Tree索引结构47
  • 3.4.2由线段簇更新轨迹簇48
  • 3.4.3TraCluUpdate算法描述49
  • 3.5实验评估及分析50
  • 3.5.1聚类效果测试50
  • 3.5.2性能测试52
  • 3.5.3参数敏感度分析53
  • 3.6本章小结54
  • 4面向实时查询处理的时空轨迹流挖掘框架55
  • 4.1引言55
  • 4.2框架概述56
  • 4.2.1问题定义56
  • 4.2.2TSMF框架57
  • 4.3轨迹数据流挖掘58
  • 4.3.1轨迹数据流聚类58
  • 4.3.2Swarm-HT在线更新59
  • 4.4实时查询处理方法60
  • 4.4.1CCTC查询60
  • 4.4.2CCSwarm查询61
  • 4.4.3k-NNT查询62
  • 4.5实验评估63
  • 4.5.1挖掘效果64
  • 4.5.2挖掘效率65
  • 4.5.3查询处理性能测试65
  • 4.5.4参数敏感度分析66
  • 4.6本章小结66
  • 5基于GIS的可视化空间数据挖掘技术68
  • 5.1地理信息系统68
  • 5.1.1空间数据模型68
  • 5.1.2空间关联规则72
  • 5.1.3空间数据库74
  • 5.2空间数据挖掘76
  • 5.2.1空间关联规则及其挖掘方法76
  • 5.2.2支持向量机挖掘方法79
  • 5.2.3聚类方法80
  • 5.3空间数据挖掘过程81
  • 5.4空间数据挖掘的可视化81
  • 5.4.1基于Java 3D的空间关联规则可视化82
  • 5.4.2基于平行坐标理论的多维多时相空间数据可视化87
  • 5.5本章小结90
  • 6支持向量机算法的研究91
  • 6.1支持向量机算法91
  • 6.1.1模式的区分91
  • 6.1.2SVM学习模型95
  • 6.1.3SVM算法已知的问题96
  • 6.1.4应用SVM算法进行岩体分类96
  • 6.2基于案例推理CBR方法102
  • 6.2.1基于案例推理方法中的测度102
  • 6.2.2案例库的设计原则104
  • 6.2.3基于CBR方法的改进SVM算法104
  • 6.3基于空间区域划分的SVM方法105
  • 6.4算法分析107
  • 6.5本章小结110
  • 7城市地下空间GIS分类技术及分析111
  • 7.1空间聚类111
  • 7.2城市地下空间GIS空间聚类算法112
  • 7.2.1统计距离方法112
  • 7.2.2基于相似形理论的夹角余弦方法112
  • 7.2.3基于k中心点法的空间聚类113
  • 7.3空间分类结果评价指标115
  • 7.4文本分类115
  • 7.4.1预处理技术116
  • 7.4.2特征提取技术117
  • 7.4.3特征项权重计算118
  • 7.5城市地下空间GIS的文本分类算法119
  • 7.6文本分类效果评价指标121
  • 7.7分类技术的难点分析121
  • 7.8本章小结122
  • 8空间数据挖掘过程中的数据质量控制及改进方法123
  • 8.1空间数据的不确定性123
  • 8.1.1空间数据不确定性的来源124
  • 8.1.2空间数据误差评价指标125
  • 8.2空间数据质量评价126
  • 8.2.1评价的内容126
  • 8.2.2评价的方法127
  • 8.3城市地下空间数据获取方法128
  • 8.3.1城市地质工程及数据特点128
  • 8.3.2爆破震动监测测量方法130
  • 8.4三明治空间抽样方法132
  • 8.5本章小结134
  • 9城市地下空间数据挖掘GIS原型系统构建135
  • 9.1系统构建策略135
  • 9.2系统功能设计136
  • 9.3数据流程设计139
  • 9.4插件式系统集成方法139
  • 9.5系统运行效果140
  • 9.6本章小结142
  • 附录符号说明144
  • 参考文献145

资源下载

资源下载地址1:https://pan.baidu.com/s/11jeCpHlFdncZvffq42deig

相关资源

网友留言