大数据分类模型和算法研究

内容简介

　　《大数据分类模型和算法研究》强调了大数据的宝贵价值，论述了常用的数据分析技术与方法，在此基础上设计对应的大数据分类模型（线性分类模型和分类分析模型），具体的大数据算法包括关联规则分析算法、分布式算法、聚类算法等，并对大数据分析算法的并行化进行了相关研究。《大数据分类模型和算法研究》阐述了各个算法的应用场景及算法复杂度，从应用的角度提供了大量实例，使读者能够快速、高效进阶各类算法，并能够熟练应用到将来的工作实践中。

目录

□□章 绪论
1．1 大数据的概念和特征
1．□ 大数据的发展趋势
1．3 大数据的应用价值
1．4 数据挖掘的产生与功能分析
1．5 大数据的处理方法
1．6 本章小结

第□章 大数据处理相关技术与研究现状
□．1 云技术研究现状
□．□ 大数据的分布式和并行计算研究现状
□．3 数据存储研究现状
□．4 大数据分析及挖掘研究现状
□．5 大数据处理架构Hadoop
□．6 云计算和大数据的智能应用分析
□．7 本章小结

第3章 基于大数据的线性分类模型的探索
3．1 线性分类模型的研究方法
3．□ 线性分类模型的研究内容
3．3 线性判别式的比较分析与优化方法研究
3．4 基于线性回归分析的特征抽取及分类应用研究
3．5 本章小结

第4章 大数据的分类分析模型研究
4．1 分类分析的定义
4．□ 分类分析的原理和策略方法
4．3 主要分类模型
4．4 分类模型的评估指标
4．5 分类分析模型实例分析
4．6 基于决策树的分类分析算法的改进与应用分析
4．7 本章小结

第5章 基于神经网络与人工智能的大数据分析方法研究
5．1 神经网络
5．□ 神经网络的结构及工作方式
5．3 人工神经网络与计算智能的研究内容与趋势
5．4 主要分析方法
5．5 本章小结

第6章 数据关联规则挖掘及相关算法、
6．1 数据关联规则概念
6．□ 数据关联规则相关算法的研究内容
6．3 主要数据关联规则挖掘算法
6．4 关联规则有效性的评估指标与策略方法
6．5 本章小结

第7章 基于Hadoop的分布式算法的设计与实现
7．1 分布式文件访问与计算的研究内容
7．□ 基于Hadoop的分布式算法分析和模型实现
7．3 基于Hadoop的一种网络结构化分布式算法
7．4 一种基于密度的分布式算法
7．5 实验设计与分析
7．6 本章小结

第8章 大数据分析中的聚类算法研究
8．1 大数据分析中聚类分析算法的研究现状
8．□ 大数据分析中聚类分析算法的研究内容
8．3 聚类分析相关算法
8．4 算法性能评价指标
8．5 大数据处理平台下聚类算法的实验结果与分析
8．6 本章小结

第9章 大数据分析算法的并行化研究
9．1 大数据分析中并行化研究现状
9．□ 大数据分析中并行化算法的研究内容
9．3 大数据分析中相关并行化算法
9．4 算法性能评价指标
9．5 基于Map Reduce的大数据处理并行算法的优化
9．6 大数据分析并行化算法应用案例分析
9．7 本章小结

□□0章 大数据计算平台
10．1 数据并行计算框架Spark的研究内容
10．□ 数据并行运行时平台Hyracks分析
10．3 Storm流计算系统特征
10．4 本章小结
参考文献