国之重器出版工程 地球科学中的大数据分析与挖掘算法手册2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

国之重器出版工程 地球科学中的大数据分析与挖掘算法手册PDF格式电子书版下载

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

第1章 关联规则1

1.1 Apriori算法2

1.1.1 算法概要2

1.1.2 算法原理2

1.1.3 实例说明4

1.1.4 算法优缺点10

1.1.5 优化改进10

1.1.6 大数据适应度分析12

1.1.7 地球科学应用案例13

1.2 FP-growth算法15

1.2.1 算法概要15

1.2.2 算法原理15

1.2.3 实例说明17

1.2.4 优化改进19

1.2.5 大数据适应度分析21

1.2.6 地球科学应用案例24

参考文献26

第2章 分类27

2.1 决策树算法28

2.1.1 算法概要28

2.1.2 算法原理28

2.1.3 算法优缺点31

2.1.4 优化改进32

2.1.5 决策树衍生算法33

2.1.6 大数据适应度分析35

2.1.7 地球科学应用案例37

2.2 贝叶斯分类算法38

2.2.1 算法概要38

2.2.2 算法原理38

2.2.3 实例说明40

2.2.4 算法优缺点42

2.2.5 优化改进42

2.2.6 大数据适应度分析45

2.2.7 地球科学应用案例46

2.3 神经网络分类算法47

2.3.1 算法概要47

2.3.2 算法原理47

2.3.3 算法优缺点51

2.3.4 优化改进52

2.3.5 大数据适应度分析53

2.3.6 地球科学应用案例53

2.4 粗糙集分类55

2.4.1 算法概要55

2.4.2 算法原理55

2.4.3 实例说明62

2.4.4 算法优缺点64

2.4.5 优化改进64

2.4.6 大数据适应度分析65

2.4.7 地球科学应用案例66

2.5 支持向量机66

2.5.1 算法概要66

2.5.2 算法原理67

2.5.3 实例说明73

2.5.4 算法优缺点74

2.5.5 优化改进74

2.5.6 大数据适应度分析76

2.5.7 地球科学应用案例77

2.6 K-最近邻算法78

2.6.1 算法概要78

2.6.2 算法原理78

2.6.3 算法优缺点80

2.6.4 优化改进80

2.6.5 大数据适应度分析82

2.6.6 地球科学应用案例85

2.7 Bagging算法86

2.7.1 算法概要86

2.7.2 算法原理87

2.7.3 实例说明90

2.7.4 优化改进93

2.7.5 大数据适应度分析94

2.7.6 地球科学应用案例95

2.8 AdaBoost算法96

2.8.1 算法概要96

2.8.2 算法原理97

2.8.3 训练过程99

2.8.4 同类算法100

2.8.5 大数据适应度分析103

2.8.6 地球科学应用案例103

参考文献105

第3章 回归115

3.1 线性回归116

3.1.1 算法概要116

3.1.2 算法原理116

3.1.3 实例说明119

3.1.4 算法优缺点120

3.1.5 优化改进121

3.1.6 大数据适应度分析123

3.1.7 地球科学应用案例123

3.2 逻辑回归124

3.2.1 算法概要124

3.2.2 算法原理125

3.2.3 算法实现127

3.2.4 SoftMax算法129

3.2.5 大数据适应度分析129

3.2.6 地球科学应用案例130

参考文献131

第4章 聚类133

4.1 K-means算法134

4.1.1 算法概要134

4.1.2 算法原理134

4.1.3 实例说明135

4.1.4 算法优缺点138

4.1.5 优化改进138

4.1.6 大数据适应度分析140

4.1.7 地球科学应用案例141

4.2 K-medoids算法142

4.2.1 算法概要142

4.2.2 算法原理142

4.2.3 实例说明144

4.2.4 算法优缺点147

4.2.5 优化改进148

4.2.6 大数据适应度分析149

4.2.7 地球科学应用案例149

4.3 层次聚类算法151

4.3.1 算法概要151

4.3.2 距离度量151

4.3.3 算法流程153

4.3.4 改进优化154

4.3.5 大数据适应度分析158

4.3.6 地球科学应用案例159

4.4 基于密度的聚类算法160

4.4.1 算法概要160

4.4.2 算法原理160

4.4.3 实例说明162

4.4.4 算法优缺点164

4.4.5 优化改进165

4.4.6 大数据适应度分析166

4.4.7 地球科学应用案例167

4.5 基于网格的聚类算法168

4.5.1 算法概要168

4.5.2 STING168

4.5.3 CLIQUE170

45.4 优化改进173

4.5.5 大数据适应度分析176

4.5.6 地球科学应用案例177

参考文献179

第5章 序列模式挖掘183

5.1 GSP算法184

5.1.1 算法概要184

5.1.2 算法原理184

5.1.3 实例说明189

5.1.4 算法优缺点191

5.1.5 GSP衍生算法192

5.1.6 大数据适应度分析194

5.1.7 地球科学应用案例195

5.2 SPADE算法196

5.2.1 算法概要196

5.2.2 算法原理197

5.2.3 实例说明203

5.2.4 算法优缺点206

5.2.5 优化改进206

5.2.6 SPADE衍生算法207

5.2.7 大数据适应度分析209

5.2.8 地球科学应用案例213

参考文献215

第6章 深度学习217

6.1 深度信念网218

6.1.1 算法概要218

6.1.2 算法原理219

6.1.3 优化改进225

6.1.4 大数据适应度分析226

6.1.5 地球科学应用案例227

6.2 卷积神经网络228

6.2.1 算法概要228

6.2.2 算法原理228

6.2.3 实例说明229

6.2.4 模型演化231

6.2.5 优化改进234

6.2.6 大数据适应度分析235

6.2.7 地球科学应用案例235

6.3 自动编码器算法237

6.3.1 算法概要237

6.3.2 算法原理238

6.3.3 算法实现240

6.3.4 衍生算法241

6.3.5 优化改进243

6.3.6 大数据适应度分析244

6.3.7 地球科学应用案例245

参考文献245

第7章 异常检测249

7.1 概述250

7.2 基于统计的异常检测算法251

7.2.1 算法原理251

7.2.2 典型算法251

7.3 基于距离的方法252

7.3.1 算法原理252

7.3.2 典型算法252

7.4 基于深度的异常检测方法256

7.4.1 算法原理256

7.4.2 典型算法257

7.5 基于密度的异常检测算法258

7.5.1 算法原理258

7.5.2 典型算法258

7.6 基于偏离的异常检测算法262

7.6.1 算法原理262

7.6.2 典型算法263

7.7 基于聚类的异常检测算法265

7.7.1 算法原理265

7.7.2 典型算法265

7.8 大数据适应度分析268

7.9 地球科学应用案例269

参考文献271

附录A软件、源码及开发包275