数据挖掘算法与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据挖掘算法与应用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

第一篇 空间数据挖掘3

第1章 空间数据挖掘研究绪论3

一、空间数据挖掘研究背景及意义3

二、空间数据挖掘与经典数据挖掘的区别4

三、空间数据挖掘技术的主要方法及特点5

（一）空间数据概化5

（二）空间规则挖掘5

（三）空间分类5

（四）空间趋势预测6

（五）空间聚类6

（六）空间离群点查找7

四、空间数据挖掘相关研究7

本章参考文献13

第2章 空间多维位置相关规则挖掘算法28

一、已有研究的不足28

二、基于影响域的空间多维位置相关规则模型（SMARM）的构建28

三、空间多维位置相关规则的挖掘算法SMARBIA30

四、算法时间性能分析34

五、实验34

六、本章小结38

本章参考文献38

第3章 基于多代表点特征树的空间聚类算法40

一、相关工作41

二、多代表点特征（MRF）树41

（一）MRF-树的插入操作43

（二）MRF-树的重建45

三、基于MRF-树的算法CAMFT46

（一）随机取样47

（二）建树47

（三）叶结点聚类47

（四）全局聚类48

四、算法的时空复杂性分析48

五、实验48

（一）算法的有效性49

（二）算法的效率50

（三）参数讨论51

六、本章小结51

本章参考文献52

第4章 基于方形邻域的空间离群点挖掘算法55

一、相关研究55

二、基于方形邻域的离群点查找算法ODBSN56

（一）相关的定义56

（二）基于方形邻域查找的离群点算法57

三、算法的时间复杂性评估与理论比较59

四、实验60

（一）影响效率的因素评价60

（二）算法的有效性与效率评价61

五、本章小结62

本章参考文献62

第5章 基于偏离因子的空间离群点挖掘算法65

一、相关研究65

二、空间偏离因子的初步构建66

三、空间偏离度量的修正与空间度量的构建67

四、空间偏离因子的可行性分析69

五、空间离群点查找算法SOFDetecting与复杂性分析70

六、实验73

七、本章小结74

本章参考文献75

第6章 基于跳跃取样的空间离群点挖掘算法77

一、空间离群点模型及其相关概念78

二、空间离群点查找算法DBSODLS79

三、DBSODLS算法时间复杂性81

四、DBSODLS算法与其他基于密度的挖掘算法理论比较81

（一）DBSODLS算法与GDBSCAN性能比较81

（二）DBSODLS算法与LOF算法性能的比较82

五、实验82

（一）有效性实验82

（二）算法效率比较83

（三）影响时间性能的两个主要因素评价84

本章参考文献85

第7章 移动对象轨迹的双重插值算法87

一、一些主要的插值技术87

（一）牛顿（Newton）插值87

（二）拉格朗日（Lagrange）插值88

（三）分段线性插值88

（四）三次样条插值89

（五）分段三次Hermite插值89

二、轨迹插值的研究进展90

三、移动对象轨迹的双重插值模型与算法91

（一）模型思想91

（二）时间序列的保形三次Hermite插值92

四、性能评价因素93

（一）轨迹精度93

（二）插值时间94

五、实验与分析94

（一）双重插值模型的插值效率实验94

（二）双重插值模型的时间效率实验95

六、本章小结97

本章参考文献98

第二篇 流形学习103

第8章 流形学习研究绪论103

一、研究背景和意义103

二、研究现状104

本章参考文献107

第9章 流形学习经典算法简介113

一、流形学习的基本概念113

（一）流形的概念113

（二）流形学习的概念113

二、几种代表性的流形学习算法114

（一）等距映射算法（ISOMAP）114

（二）局部线性嵌入（LLE）115

（三）拉普拉斯特征映射116

（四）Hessian特征映射116

（五）局部切空间排列（LTSA）117

三、经典流形学习算法存在的问题117

（一）流形的本征维数估计118

（二）样本外点（Out-of-Sample）学习118

（三）噪声流形学习119

四、本章小结119

本章参考文献120

第10章 基于局部相关维度的噪音流形学习算法121

一、局部相关维度的概念121

二、基于局部相关维度的噪音流形学习算法122

（一）离群点的性质122

（二）LCDED算法125

（三）算法性能分析126

三、实验结果126

（一）人工数据集上的实验126

（二）真实数据上的实验129

四、本章小结131

本章参考文献131

第11章 基于调和平均测地线核的流形学习算法133

一、引言133

二、HMGK算法134

（一）测地线距离（geodesic distance）134

（二）调和平均规范化（harmonic mean standardization）134

（三）算法描述136

三、实验结果分析136

四、结论140

本章参考文献140

第12章 有监督的噪音流形学习算法及其在拉曼光谱数据上的应用142

一、引言142

二、基于核方法与监督学习的流形学习算法143

三、UCI数据上的实验145

四、算法在拉曼光谱数据上的应用146

五、本章小结147

本章参考文献147

第13章 共享近邻的噪音流形学习算法及其在医院绩效考核中的应用149

一、共享近邻的概念149

二、基于共享近邻的非线性降维算法149

三、实验结果152

（一）人工数据152

（二）UCI数据152

四、算法在医院绩效考核上的应用154

五、本章小结155

本章参考文献155

第三篇 半监督学习159

第14章 半监督学习研究绪论159

一、半监督学习研究背景与意义159

二、研究的主要内容159

三、半监督学习研究现状160

（一）半监督学习问题表述160

（二）半监督聚类160

（三）协同训练162

（四）离群点探测162

（五）半监督学习应用163

本章参考文献164

第15章 基于监督聚类的半监督分类算法170

一、问题的提出170

二、监督聚类概述171

三、基于监督聚类的半监督分类算法N2SC171

（一）N2SC算法简介171

（二）增加标签数据集172

（三）不可信目标函数173

（四）N2SC算法174

四、实验结果与分析176

（一）实验环境176

（二）实验性能评估177

（三）算法性能评估179

五、本章小结180

本章参考文献180

第16章 半监督技术在复杂数据聚类中的应用181

一、复杂数据聚类181

二、基于密度的聚类算法DBSCAN181

三、面向复杂数据的半监督聚类算法SCDCS183

（一）SCDCS算法概述183

（二）相关定义和标识183

（三）密度分布参数Eps初选184

（四）密度分布参数Eps精选185

（五）多步聚类187

（六）SCDCS算法性能分析189

四、实验及评估189

（一）实验环境189

（二）实验结果及评估189

五、小结194

本章参考文献194

第17章 半监督技术在异常轨迹检测中的应用196

一、异常轨迹检测概述196

二、问题分析196

三、相关定义和标识198

（一）轨迹描述198

（二）轨迹片段相似度量198

（三）轨迹分割200

（四）局部异常轨迹探测相关定义201

四、半监督异常轨迹探测算法Semi-TOD202

（一）基于先验知识的关键参数选取202

（二）全局角度探测异常轨迹203

（三）Semi-TOD算法框架203

五、实验评估204

（一）飓风数据实验204

（二）基于时间约束的轨迹片段度量有效性验证205

（三）全局性异常轨迹探测有效性验证206

（四）算法参数说明207

六、小结208

本章参考文献208