時態數據挖掘算法（簡體書）

《時態數據挖掘算法》由孟志青、蔣敏、姜華著，介紹了時態數據挖掘算法，主要內容包括時態數據模型、時態關聯規則模型、時態關聯規則算法、時態數據下周期模式、部分周期和近似周期模式的算法、時態數據流算法和時態文本算法，這些算法可用于商業、金融、醫學和互聯網等領域中的數據挖掘應用。
本書主要供數據挖掘研究人員使用，也可作為大學本科高年級和研究生數據挖掘方面的教學參考用書。
隨著大數據時代的到來，大數據流、大文本流和多媒體流的出現，使得時態數據挖掘進入了一個全新發展階段，如何找到大數據下的快速時態挖掘算法是我們面臨的巨大挑戰，本書旨在為學習和研究時態數據挖掘提供一些解決方法，為大數據的應用提供新的途徑。

第1章　緒論
　1.1 數據挖掘簡介
　1.2 時態數據挖掘現狀
　1.3 時態數據挖掘類型
第2章　時態數據與時態關聯規則模型
　2.1 時態型和時間粒度的概念及性質
　2.2 時態事件空間與時態規則模型
　2.3 時態關聯規則的分類
第3章　時態關聯規則算法
　3.1 單事件相同時態因子內關聯規則挖掘算法
　3.2 單事件周期時態關聯規則挖掘算法
　3.3 雙事件時態關聯規則挖掘算法
　3.4 基于興趣度的時態數據關聯規則挖掘算法
　3.5 多維多時間粒度關聯規則挖掘算法
　3.6 小結 第1章　緒論
　1.1 數據挖掘簡介
　1.2 時態數據挖掘現狀
　1.3 時態數據挖掘類型
第2章　時態數據與時態關聯規則模型
　2.1 時態型和時間粒度的概念及性質
　2.2 時態事件空間與時態規則模型
　2.3 時態關聯規則的分類
第3章　時態關聯規則算法
　3.1 單事件相同時態因子內關聯規則挖掘算法
　3.2 單事件周期時態關聯規則挖掘算法
　3.3 雙事件時態關聯規則挖掘算法
　3.4 基于興趣度的時態數據關聯規則挖掘算法
　3.5 多維多時間粒度關聯規則挖掘算法
　3.6 小結
第4章　時態關聯規則的周期性挖掘算法
　4.1 周期關聯規則的分類
　4.2 周期的獲取及表示
　4.3 一個周期挖掘算法
　4.4 實驗結果
　4.5 小結
第5章　多粒度時間下的部分周期挖掘算法
　5.1 部分周期模型
　5.2 利用了裁剪的算法(CA)
　5.3 基于輸入的算法(IA)
　5.4 數值實驗
　5.5 小結
第6章　基于粗糙集的時態數據挖掘算法
　6.1 粗糙集理論
　6.2 時態數據知識表達
　6.3 基于粗糙集的時態數據挖掘算法
　6.4 車流量分析上的應用
第7章　基于SoM近似周期模式挖掘算法
　7.1 模型構造
　7.2 近似周期模式挖掘算法
　7.3 實驗及結果分析
　7.4 小結
第8章　基于SoM的時態近似周期關聯規則挖掘算法
　8.1 模型構造
　8.2 近似周期關聯規則挖掘算法
　8.3 實驗及結果分析
　8.4 小結
第9章　基于SVM的時態數據回歸算法
　9.1 加權支持向量回歸機(WSSVR)
　9.2 基于時態數據的WSSVR預測模型
　9.3 實驗
　9.4 小結
第10章　基于SVM的時態周期模式算法
　10.1 支持向量分類機
　10.2 時態數據周期模型
　10.3 證券數據的周期發現
　10.4 小結
第11章　時態數據流的增量聚類算法
　11.1 問題描述及其相關概念
　11.2 算法框架及其描述
　11.3 算法的性能分析
　11.4 股票數據上的應用
　11.5 小結
第12章　時態文本數據挖掘算法
　12.1 時態文本預處理
　12.2 時態文本關聯模型
　12.3 時態文本關聯規則算法
　12.4 數值實驗
英文人名翻譯表
參考文獻
致謝

顯示全部信息