编辑推荐
《大数据与智能计算》由国防工业出版社出版。
作者简介
作者：（印度）D.P.阿奇利亚（D.P.Acharjya） （印度）萨特旦安达·德忽尔（Satchidananda Dehuri） （印度）叙格塔·桑亚尔（Sugata Sanyal） 译者：常雷雷 汪刘应 周宇 何其芳
目录
第一部分大数据分析理论基础
atrain分布式系统（ADS）：面向任何四维特征大数据的可变规模数据架构
1引言
2r—train（train）和r—atrain（atrain）：大数据数据结构
2.1类数组
2.2面向同构大数据的同构数据结构r—t商n
2.3r—atrain（atrain）：面向大数据的高效异构数据结构
3立体矩阵和立体类矩阵（用于大数据和暂存大数据）
3.1立体矩阵和立体类矩阵
3.2三维立体矩阵及其特点
4（元素为数值的）立体矩阵代数运算
5面向立体矩阵／类矩阵的同构数据结构MT
5.1三维立体矩阵（三维立体类矩阵）的应用
6异构矩阵和异构类矩阵：异构大数据的存储模型
7用于大数据的atrain分布式系统
7.1atrain分布式系统
7.2用于ADS的“多马拉车”拓扑结构和循环拓扑结构
8atrain分布式系统中的异构数据结构r—atrain
8.1在ADS中r—atrain的数据类
8.2环形train和环形atrain
8.3面向大数据的ADS内r—atrain的基本操作
9用于大数据立体异构类矩阵的异构数据结构MA
10结论
参考文献
大数据时序预测模型：基于模糊神经网络的混合方法
1引言
2模糊集基础
3混合模糊—神经网络与大数据时间序列
3.1神经网络：综述
3.2混合模糊—神经网络方法：应用于大数据时序预测问题的新方法
4数据集描述
5方法与算法
5.1EIBD方法
5.2大数据时序预测模型算法
6面向大数据的模糊神经网络预测模型
7性能分析参数
8实证分析
8.1M因子预测
8.2双因子预测
8.3三因子预测
8.4统计显著性
9结论与讨论
参考文献
基于混合智能技术的学习方法
1引言
2基于智能混合粒子群和快速约简算法的基因选择方法
2.1粒子群算法
2.2算法步骤
2.3算法执行与结果
3面向癌症分类问题的基于粗糙集的混合基因选择
3.1粗糙集
3.2基于基因选择的粗糙集方法
3.3有监督条件下的基于相关性的约简算法（CFS—RST）
3.4算法执行与结果
4面向微阵列数据分类精度增强的混合数据挖掘技术（CFS—PIS）
4.1SIMPLS与分类框架中的维度约简
4.2偏最小二乘回归
4.3算法执行与结果
5结论
6工作展望
参考文献
智集及其在决策中的应用
1引言
2单值智集
3多个单值智集的距离、相似性与熵
3.1两个智集之间的距离
3.2两个单值智集间的相似性
4区间值智集软集
4.1软集
4.2区间智集软集
4.3IVNSS在决策支持中的应用
5结论
参考文献
第二部分面向大数据分析的框架结构
一种用于数据聚类和大数据分析的高效分组遗传算法
1引言
2定义
3算法
3.1编码
3.2适应度函数
3.3选择算子
3.4交叉算子
3.5变异算子
3.6取代和精英策略
37局部搜索
4聚类分析的验证
5实验与评价
5.1数据集
5.2结果
6结论
参考文献
用于大规模优化的NelderMead交叉Log—Logistic突变自组织迁移算法
1引言
2自组织迁移算法
3NMSOMA—M算法
3.1NM交叉算子
3.2Log—Logistic突变算子
3.3NMSOMA—M算法步骤
4基准函数
5基准问题的数值结果
6结论
参考文献
面向数据分析的大数据应用纵览
1引言
2医疗领域的大数据
3大数据分析框架
3.1大数据
3.2数据的预处理
3.3训练集
3.4数据挖掘技术
3.5描述和可视化
4结果和实现
5结论
参考文献
脑电信号基本原理及其在医疗领域的应用
1引言
2脑电波
2.1自发的脑电图波
2.2事件相关电位
2.3基于脑电图的系统的组成
3视觉刺激生成
4脑信号的处理
4.1预处理
4.2特征提取
4.3特征选择与压缩
4.4分类
5结论
6未来展望
参考文献
第三部分大数据分析及云计算
大数据：基于云技术的数据密集型应用处理
1引言
2云计算及大数据
2.1云技术为大数据提供的优势
3云计算中的大数据处理所面临的挑战
3.1数据获得和存储
3.2数据传输
3.3数据策管
3.4数据分析
3.5数据可视化
4大数据云工具：一种新的技术手段
4.1基于MapReduce的大数据处理
4.2基于Hadoop的大数据处理
4.3Cloudant
4.4Xeround
4.5StormDB
46SAP
4.7Rack8pace
4.8MongoLab
4.9MicrosoftAzure
4.10GoogleCloudSQL
4.11CarantiaDala
4.12EnterpriseDB
4.13WebServices
5结论
参考文献
基于模型驱动的异构云框架
1引言
2背景
2.1云计算
2.2模型驱动工程
2.3使用多个云的必要性
2.4迁移的难点
3应用至云端的现代化技术
3.1已有的技术
4云应用的可移植性问题
5已提出的方法
6结论
参考文献
基于云端的大数据分析：广域网优化技术与解决方案
1引言
2广域网优化
2.1问题及挑战
3广域网优化技术
3.1面向视频监控的广域网优化
4提高应用性能的工具
4.1蓝衣应用辅助网络
5广域网优化设备
6广域网优化控制器
6.1面向大数据和批量数据传输的补充广域网优化控制器
6.2广域网优化控制器的比较：评估供应商和产品
7广域网优化应用于大数据分析
7.1广域网优化的大数据分析的关键趋势
7.2大数据下广域网优化的驱动
8广域网优化解决方案
8.1Infineta系统和Q架构
8.2BIC—IP广域网优化管理
8.3边缘虚拟服务器基础架构
8.4EMCIsilon和SilverBank广域网优化
8.5F5广域网优化模块
8.6BIG—IP广域网优化模块
8.7面向甲骨文数据库快速复制的F5广域网优化
9未来发展研究趋势
9.1虚拟数据环境和云服务中的广域网优化
9.2广域网优化产品的局限性
9.3加速数据迁移与广域网优化
10结论
参考文献
基于云计算的电子政务方案：案例分析
1引言
2ACME发展部管理系统
3云方案
3.1技术方案构架
3.2模块式aDAMS方案
4结论
参考文献
文摘
版权页：
插图：
原始大数据中的数据具有不一致性、噪声和缺损高度敏感性。数据本身的不一致性导致基于数据得到的结论对于用户而言是毫无用处的，为了提高面向大数据的分析结论的有用性并从大数据中挖掘知识，需要对数据集的不一致性进行预处理。因此，数据预处理往往是数据挖掘过程中的关键技术，其中包括数据清理、数据集成、数据转换和数据简化等。
3.3训练集
大数据中包含的全部原始特征对普通用户而言一般没有直接作用，因此并不需要处理整个数据库，而是从原始数据中抽取一部分对其进行分析。以医疗领域为例，对于心脏病患者的病情诊断并不需要其全部数据，医生只需使用与心脏病相关的辅助数据进行疾病预后即可。实际上，包含全部原始特征的大数据往往占用大量空间，也会降低数据分析的效率并提高成本。因此，临床医学领域的研究人员只需要分析与之相关的辅助数据即可。只是在实际情况中，即使仅包含相关特征的辅助数据其数据量也是十分巨大的，需要采用一些特殊的数据分析技术手段来进行数据分析。
《大数据与智能计算》由国防工业出版社出版。
作者简介
作者：（印度）D.P.阿奇利亚（D.P.Acharjya） （印度）萨特旦安达·德忽尔（Satchidananda Dehuri） （印度）叙格塔·桑亚尔（Sugata Sanyal） 译者：常雷雷 汪刘应 周宇 何其芳
目录
第一部分大数据分析理论基础
atrain分布式系统（ADS）：面向任何四维特征大数据的可变规模数据架构
1引言
2r—train（train）和r—atrain（atrain）：大数据数据结构
2.1类数组
2.2面向同构大数据的同构数据结构r—t商n
2.3r—atrain（atrain）：面向大数据的高效异构数据结构
3立体矩阵和立体类矩阵（用于大数据和暂存大数据）
3.1立体矩阵和立体类矩阵
3.2三维立体矩阵及其特点
4（元素为数值的）立体矩阵代数运算
5面向立体矩阵／类矩阵的同构数据结构MT
5.1三维立体矩阵（三维立体类矩阵）的应用
6异构矩阵和异构类矩阵：异构大数据的存储模型
7用于大数据的atrain分布式系统
7.1atrain分布式系统
7.2用于ADS的“多马拉车”拓扑结构和循环拓扑结构
8atrain分布式系统中的异构数据结构r—atrain
8.1在ADS中r—atrain的数据类
8.2环形train和环形atrain
8.3面向大数据的ADS内r—atrain的基本操作
9用于大数据立体异构类矩阵的异构数据结构MA
10结论
参考文献
大数据时序预测模型：基于模糊神经网络的混合方法
1引言
2模糊集基础
3混合模糊—神经网络与大数据时间序列
3.1神经网络：综述
3.2混合模糊—神经网络方法：应用于大数据时序预测问题的新方法
4数据集描述
5方法与算法
5.1EIBD方法
5.2大数据时序预测模型算法
6面向大数据的模糊神经网络预测模型
7性能分析参数
8实证分析
8.1M因子预测
8.2双因子预测
8.3三因子预测
8.4统计显著性
9结论与讨论
参考文献
基于混合智能技术的学习方法
1引言
2基于智能混合粒子群和快速约简算法的基因选择方法
2.1粒子群算法
2.2算法步骤
2.3算法执行与结果
3面向癌症分类问题的基于粗糙集的混合基因选择
3.1粗糙集
3.2基于基因选择的粗糙集方法
3.3有监督条件下的基于相关性的约简算法（CFS—RST）
3.4算法执行与结果
4面向微阵列数据分类精度增强的混合数据挖掘技术（CFS—PIS）
4.1SIMPLS与分类框架中的维度约简
4.2偏最小二乘回归
4.3算法执行与结果
5结论
6工作展望
参考文献
智集及其在决策中的应用
1引言
2单值智集
3多个单值智集的距离、相似性与熵
3.1两个智集之间的距离
3.2两个单值智集间的相似性
4区间值智集软集
4.1软集
4.2区间智集软集
4.3IVNSS在决策支持中的应用
5结论
参考文献
第二部分面向大数据分析的框架结构
一种用于数据聚类和大数据分析的高效分组遗传算法
1引言
2定义
3算法
3.1编码
3.2适应度函数
3.3选择算子
3.4交叉算子
3.5变异算子
3.6取代和精英策略
37局部搜索
4聚类分析的验证
5实验与评价
5.1数据集
5.2结果
6结论
参考文献
用于大规模优化的NelderMead交叉Log—Logistic突变自组织迁移算法
1引言
2自组织迁移算法
3NMSOMA—M算法
3.1NM交叉算子
3.2Log—Logistic突变算子
3.3NMSOMA—M算法步骤
4基准函数
5基准问题的数值结果
6结论
参考文献
面向数据分析的大数据应用纵览
1引言
2医疗领域的大数据
3大数据分析框架
3.1大数据
3.2数据的预处理
3.3训练集
3.4数据挖掘技术
3.5描述和可视化
4结果和实现
5结论
参考文献
脑电信号基本原理及其在医疗领域的应用
1引言
2脑电波
2.1自发的脑电图波
2.2事件相关电位
2.3基于脑电图的系统的组成
3视觉刺激生成
4脑信号的处理
4.1预处理
4.2特征提取
4.3特征选择与压缩
4.4分类
5结论
6未来展望
参考文献
第三部分大数据分析及云计算
大数据：基于云技术的数据密集型应用处理
1引言
2云计算及大数据
2.1云技术为大数据提供的优势
3云计算中的大数据处理所面临的挑战
3.1数据获得和存储
3.2数据传输
3.3数据策管
3.4数据分析
3.5数据可视化
4大数据云工具：一种新的技术手段
4.1基于MapReduce的大数据处理
4.2基于Hadoop的大数据处理
4.3Cloudant
4.4Xeround
4.5StormDB
46SAP
4.7Rack8pace
4.8MongoLab
4.9MicrosoftAzure
4.10GoogleCloudSQL
4.11CarantiaDala
4.12EnterpriseDB
4.13WebServices
5结论
参考文献
基于模型驱动的异构云框架
1引言
2背景
2.1云计算
2.2模型驱动工程
2.3使用多个云的必要性
2.4迁移的难点
3应用至云端的现代化技术
3.1已有的技术
4云应用的可移植性问题
5已提出的方法
6结论
参考文献
基于云端的大数据分析：广域网优化技术与解决方案
1引言
2广域网优化
2.1问题及挑战
3广域网优化技术
3.1面向视频监控的广域网优化
4提高应用性能的工具
4.1蓝衣应用辅助网络
5广域网优化设备
6广域网优化控制器
6.1面向大数据和批量数据传输的补充广域网优化控制器
6.2广域网优化控制器的比较：评估供应商和产品
7广域网优化应用于大数据分析
7.1广域网优化的大数据分析的关键趋势
7.2大数据下广域网优化的驱动
8广域网优化解决方案
8.1Infineta系统和Q架构
8.2BIC—IP广域网优化管理
8.3边缘虚拟服务器基础架构
8.4EMCIsilon和SilverBank广域网优化
8.5F5广域网优化模块
8.6BIG—IP广域网优化模块
8.7面向甲骨文数据库快速复制的F5广域网优化
9未来发展研究趋势
9.1虚拟数据环境和云服务中的广域网优化
9.2广域网优化产品的局限性
9.3加速数据迁移与广域网优化
10结论
参考文献
基于云计算的电子政务方案：案例分析
1引言
2ACME发展部管理系统
3云方案
3.1技术方案构架
3.2模块式aDAMS方案
4结论
参考文献
文摘
版权页：
插图：
原始大数据中的数据具有不一致性、噪声和缺损高度敏感性。数据本身的不一致性导致基于数据得到的结论对于用户而言是毫无用处的，为了提高面向大数据的分析结论的有用性并从大数据中挖掘知识，需要对数据集的不一致性进行预处理。因此，数据预处理往往是数据挖掘过程中的关键技术，其中包括数据清理、数据集成、数据转换和数据简化等。
3.3训练集
大数据中包含的全部原始特征对普通用户而言一般没有直接作用，因此并不需要处理整个数据库，而是从原始数据中抽取一部分对其进行分析。以医疗领域为例，对于心脏病患者的病情诊断并不需要其全部数据，医生只需使用与心脏病相关的辅助数据进行疾病预后即可。实际上，包含全部原始特征的大数据往往占用大量空间，也会降低数据分析的效率并提高成本。因此，临床医学领域的研究人员只需要分析与之相关的辅助数据即可。只是在实际情况中，即使仅包含相关特征的辅助数据其数据量也是十分巨大的，需要采用一些特殊的数据分析技术手段来进行数据分析。
| ISBN | 9787118112474 |
|---|---|
| 出版社 | 国防工业出版社 |
| 作者 | D. P. 阿奇利亚（D. P. Acharjya）;等 |
| 尺寸 | 16 |