大数据挖掘技术与应用 PDF 完整清晰版

本书针对数据的海量性、复杂性、高维性、模糊性和不完整性，对数据挖掘技术中的聚类分析和关联规则分析进行了系统的研究。设计与实现了基于密度和自适应密度可达聚类算法、基于簇特征的动态增量聚类算法、并行聚类算法、基于密度加权的模糊聚类算法、高唯复杂数据聚类算法、基于数据场的聚类算法、基于距离的量化关联规则和基于数据场的量化关联规则算法，给出了在矿产资源评价、遥感图像分类、矿业经济分析中的应用例证。全书共分11章，主要内容包括：绪论，基于密度和密度可达聚类分析，基于簇特征的动态增量聚类分析，并行聚类分析，基于密度加权的模糊聚类分析，高唯复杂数据聚类分析，基于数据场的聚类分析，基于距离的量化关联规则，基于数据场的量化关联规则，数据挖掘结果可视化和数据挖掘算法应用。

目录

• 1绪论1
• 1.1大数据1
• 1.1.1大数据概念1
• 1.1.2大数据特征4
• 1.2云计算与大数据挖掘5
• 1.2.1云计算5
• 1.2.2大数据挖掘6
• 1.3传统数据挖掘6
• 1.3.1数据源与挖掘任务7
• 1.3.2数据挖掘方法7
• 1.3.3数据挖掘面临问题9
• 参考文献10
• 2基于属性加权和密度聚类分析11
• 2.1聚类分析技术11
• 2.1.1数据基础11
• 2.1.2聚类分析方法16
• 2.1.3簇的类型16
• 2.2聚类算法17
• 2.2.1聚类算法分类17
• 2.2.2聚类算法特性19
• 2.2.3选用聚类算法参考因素20
• 2.2.4聚类算法面临的挑战21
• 2.3聚类算法改进23
• 2.3.1聚类算法分析23
• 2.3.2数据对象属性加权25
• 2.3.3基于属性加权K-means算法27
• 2.3.4实例验证算法28
• 2.4基于密度与对象方向聚类算法29
• 2.4.1算法的提出29
• 2.4.2DENCLUE算法30
• 2.4.3算法设计31
• 2.5CABWAD算法实现36
• 2.5.1数据结构建立36
• 2.5.2数据结构上聚类38
• 2.5.3时间和空间复杂度40
• 2.6实验分析40
• 2.6.1准确度分析41
• 2.6.2可扩展性分析43
• 参考文献44
• 3基于密度与密度可达聚类分析46
• 3.1CABWAD算法分析46
• 3.1.1算法过程分析46
• 3.1.2两个输入参数的分析47
• 3.2算法设计与分析50
• 3.2.1相关定义50
• 3.2.2CADD算法设计53
• 3.2.3算法执行过程分析53
• 3.3实验分析55
• 3.3.1不同分布形态的簇（缠绕簇）55
• 3.3.2不同密度的簇56
• 3.3.3分布在不同密度噪声中的变密度簇57
• 3.3.4复杂形态簇58
• 3.3.5算法复杂度分析59
• 参考文献60
• 4动态增量聚类分析62
• 4.1算法提出62
• 4.1.1增量聚类算法62
• 4.1.2CADD算法分析64
• 4.1.3抽样技术66
• 4.2基于密度可达的动态增量聚类算法67
• 4.2.1算法设计67
• 4.2.2算法实现69
• 4.2.3算法复杂度分析69
• 4.3基于子簇特征的增量聚类算法70
• 4.3.1相关定义70
• 4.3.2算法设计72
• 4.3.3算法实现72
• 4.4实验分析73
• 4.4.1仿真动态增量聚类73
• 4.4.2算法对比分析77
• 参考文献78
• 5并行聚类分析80
• 5.1并行计算技术80
• 5.1.1并行计算定义81
• 5.1.2并行计算分类81
• 5.1.3并行计算模型和体系结构82
• 5.1.4并行数据挖掘85
• 5.1.5并行聚类分析86
• 5.2并行聚类算法设计与实现88
• 5.2.1算法总体流程88
• 5.2.2数据并行聚类算法89
• 5.2.3数据并行和任务并行聚类算法90
• 5.3实验分析92
• 5.3.1算法有效性分析92
• 5.3.2算法加速比分析92
• 5.3.3算法时间复杂度分析93
• 5.3.4PCADD与CADD算法执行时间对比93
• 参考文献94
• 6高维多类型属性数据对象聚类分析95
• 6.1高维多类型属性数据对象95
• 6.1.1高维数据处理95
• 6.1.2多类型属性处理96
• 6.1.3高维数据对象聚类96
• 6.1.4多类型属性数据对象聚类98
• 6.2维度对聚类算法精度影响99
• 6.2.1高维数据聚类99
• 6.2.2数据集与相关定义99
• 6.2.3实验结果及分析100
• 6.3多类型属性数据聚类分析103
• 6.3.1处理多类型数据方法103
• 6.3.2聚类效果度量标准103
• 6.3.3实验结果及分析104
• 6.4基于属性加权的高维数据聚类108
• 6.4.1属性加权CADD算法108
• 6.4.2实验结果及分析109
• 参考文献113
• 7基于密度加权模糊聚类分析115
• 7.1模糊聚类分析115
• 7.1.1模糊聚类产生115
• 7.1.2模糊聚类分类116
• 7.1.3模糊聚类算法优化117
• 7.2模糊聚类算法118
• 7.2.1模糊簇118
• 7.2.2HC-means聚类算法118
• 7.2.3FC-means聚类算法119
• 7.2.4HCM和FCM的关系120
• 7.2.5FCM算法存在问题分析121
• 7.3基于密度函数加权的FCM122
• 7.3.1聚类算法提出122
• 7.3.2聚类算法设计123
• 7.3.3实验结果及分析124
• 参考文献132
• 8基于距离量化关联规则挖掘135
• 8.1关联规则挖掘135
• 8.1.1关联规则相关概念135
• 8.1.2关联规则度量137
• 8.1.3关联规则分类138
• 8.1.4关联规则挖掘模型与步骤139
• 8.2量化关联规则140
• 8.2.1量化关联规则提出140
• 8.2.2量化关联规则定义143
• 8.2.3算法描述145
• 8.2.4算法分析146
• 8.3基于距离算法设计与实现148
• 8.3.1算法设计148
• 8.3.2数据预处理149
• 8.3.3基于距离量化规则150
• 8.3.4簇间关联度的度量150
• 8.3.5关联度参数D0限定151
• 8.3.6规则的生成153
• 8.4算法实验分析153
• 8.4.1系统交互界面153
• 8.4.2地球化学数据分析154
• 8.4.3临床医学调查数据156
• 参考文献156
• 9基于数据场的数据挖掘技术158
• 9.1数据场158
• 9.1.1数据场的概念158
• 9.1.2数据场主要特征159
• 9.1.3数据场表达159
• 9.2数据场聚类算法161
• 9.2.1数据场聚类算法设计161
• 9.2.2测试数据集产生162
• 9.2.3位场聚类实验162
• 9.2.4辐射场聚类实验163
• 9.2.5参数对数据场聚类效果影响164
• 9.3聚类效果实验分析166
• 9.3.1模拟数据分析166
• 9.3.2UCI数据集实验168
• 9.4基于数据场量化关联规则挖掘172
• 9.4.1常用量化关联规则挖掘方法172
• 9.4.2算法相关定义173
• 9.4.3算法设计与实现175
• 9.5关联规则挖掘实验与分析176
• 9.5.1身体脂肪bodyfat数据集176
• 9.5.2临床医学数据实验测试178
• 参考文献179
• 10基于MapReduce聚类分析181
• 10.1Hadoop开源云计算平台181
• 10.1.1MapReduce181
• 10.1.2HDFS文件系统183
• 10.1.3基于MapReduce聚类算法184
• 10.2基于MapReduceK-means算法改进186
• 10.2.1距离三角不等式聚类算法186
• 10.2.2距离三角不等式算法设计187
• 10.2.3聚类算法实验结果分析189
• 10.3基于MapReduceCADD聚类算法191
• 10.3.1算法设计191
• 10.3.2MapReduce聚类模型192
• 10.3.3聚类算法实验结果分析193
• 参考文献195
• 11数据挖掘结果可视化表达196
• 11.1可视化数据挖掘196
• 11.1.1数据可视化197
• 11.1.2数据挖掘过程可视化198
• 11.1.3数据挖掘结果可视化198
• 11.1.4交互式可视化数据挖掘199
• 11.2数据可视化方法及分类200
• 11.2.1基于几何的技术200
• 11.2.2面向像素的技术202
• 11.2.3基于图标的技术202
• 11.2.4基于层次的技术203
• 11.3可视化数据挖掘系统设计与实现204
• 11.3.1可视化挖掘系统204
• 11.3.2聚类结果可视化205
• 11.3.3关联规则结果可视化208
• 参考文献212
• 12地球化学数据挖掘（Ⅰ）214
• 12.1地球化学数据处理方法214
• 12.1.1传统处理方法214
• 12.1.2数据挖掘方法215
• 12.2地球化学数据聚类分析217
• 12.2.1地球化学数据来源217
• 12.2.2区域地质概况217
• 12.2.3聚类分析研究221
• 12.2.4靶区地球化学特征222
• 12.3区域矿产资源预测225
• 12.3.1地球化学异常靶区225
• 12.3.2元素组合特征分析226
• 12.3.3区域矿产资源预测232
• 参考文献234
• 13地球化学数据挖掘（Ⅱ）236
• 13.1区域地质形貌236
• 13.1.1自然地理环境236
• 13.1.2区域地质概况236
• 13.2地球化学元素聚类分析239
• 13.2.1数据整理和建立数据库239
• 13.2.2地球化学数据聚类分析239
• 13.2.3聚类结果MapGIS成图241
• 13.3地球化学元素组合特征分析243
• 13.3.1靶区1～4元素组合特征243
• 13.3.2靶区5元素组合特征243
• 13.3.3矿产资源预测244
• 13.4地球化学元素模糊C-means聚类247
• 13.4.1某金矿区模糊C-means聚类分析247
• 13.4.2某锡矿区模糊C-means聚类分析248
• 13.4.3某采样地区模糊C-means聚类分析249
• 参考文献250
• 14资源与经济发展关系分析252
• 14.1资源与经济252
• 14.1.1矿产资源开发252
• 14.1.2传统研究方法253
• 14.2数据源与数据预处理256
• 14.2.1数据的选取256
• 14.2.2数据标准化257
• 14.3聚类分析258
• 14.3.1资源储量属性258
• 14.3.2环境指标属性260
• 14.3.3经济指标属性262
• 14.3.4技术指标属性275
• 14.3.5结论与建议278
• 参考文献280