《複雜數據分析方法及其套用研究》主要從數據挖掘與商務智慧型的角度，系統地介紹了如何利用複雜數據分析的相關理論和方法來提升複雜事件的識別和預測的效果，同時還結合實際套用問題說明了複雜數據分析的套用過程。主要內容包括複雜數據分析方法綜述、基於局部支持向量數據描述的複雜數據分析算法研究、類重疊問題及其處理方法研究、一致性分類方法研究和複雜概念分析套用研究等。
基本介紹
- 書名：複雜數據分析方法及其套用研究
- 作者：熊海濤
- 出版日期：2013年5月1日
- 語種：簡體中文
- ISBN：9787564076788
- 品牌：北京理工大學出版社
- 外文名：The Research on Methods and Applications of Complex Data Analysis
- 出版社：北京理工大學出版社
- 頁數：131頁
- 開本：16
- 定價：28.00
內容簡介,圖書目錄,
內容簡介
《複雜數據分析方法及其套用研究》可供從事數據挖掘與商務智慧型研究和套用的科研人員及高等院校信息管理與信息系統專業、管理科學與工程等相關專業師生參考使用。
圖書目錄
第一章緒論
1.1背景介紹
1.1.1類不均衡問題
1.1.2類重疊問題
1.1.3集成學習問題
1.2相關研究分析
1.2.1複雜數據研究分析
1.2.2類重疊問題研究分析
1.2.3集成學習研究分析
1.3研究意義與目的
1.4研究方法與研究內容
1.4.1研究方法
1.4.2研究內容與本書結構
第二章相關研究綜述
2.1複雜數據分析的理論研究
2.2複雜數據分析的算法研究
2.2.1重抽樣
2.2.2成本敏感學習
2.2.3集成學習方法
2.2.4劃分方法
2.2.5調整歸納偏置
2.2.6單類學習
2.2.7特徵選擇方法
2.2.8其他方法
2.3複雜數據分析的評價指標研究
2.3.1點指標
2.3.2圖指標
2.4本章小結
第三章基於局部支持向量數據描述的複雜數據分析算法研究
3.1引言
3.2數據固有結構對複雜數據分析算法的影響
3.3支持向量數據描述的原理及算法
3.4基於局部支持向量數據描述的複雜數據分析算法
3.5本章小結
第四章類重疊問題及其處理方法研究
4.1引言
4.2基本分類算法介紹
4.2.1樸素貝葉斯（NB）
4.2.2K最近鄰法（k—NN）
4.2.3支持向量機（SVMs）
4.2.4決策樹C4.5
4.2.5規則分類器（RIPPER）
4.3類重疊問題對分類的影響
4.4類重疊學習框架
4.4.1SVDD：重疊區域識別方法
4.4.2NB：重疊區域識別方法
4.4.3類重疊問題的處理算法
4.5基於SVMs的分析
4.6本章小結
第五章一致性分類方法研究
5.1引言
5.2集成學習方法
5.2.1集成學習方法的原理
5.2.2Bagging
5.2.3AdaBoost
5.3基於局部聚類的組合複雜數據分析算法
5.5本章小結
第六章複雜數據分析套用研究
6.1引言
6.2複雜數據分析的套用過程
6.3網路入侵檢測套用研究
6.3.1網路入侵檢測數據集
6.3.2數據預處理
6.3.3類重疊處理
6.3.4實驗結果和分析
6.4C2C電子商務共謀欺詐研究
6.4.1C2C電子商務信用機制及欺詐識別研究綜述
6.4.2實驗結果和分析
6.5本章小結
結論
參考文獻
1.1背景介紹
1.1.1類不均衡問題
1.1.2類重疊問題
1.1.3集成學習問題
1.2相關研究分析
1.2.1複雜數據研究分析
1.2.2類重疊問題研究分析
1.2.3集成學習研究分析
1.3研究意義與目的
1.4研究方法與研究內容
1.4.1研究方法
1.4.2研究內容與本書結構
第二章相關研究綜述
2.1複雜數據分析的理論研究
2.2複雜數據分析的算法研究
2.2.1重抽樣
2.2.2成本敏感學習
2.2.3集成學習方法
2.2.4劃分方法
2.2.5調整歸納偏置
2.2.6單類學習
2.2.7特徵選擇方法
2.2.8其他方法
2.3複雜數據分析的評價指標研究
2.3.1點指標
2.3.2圖指標
2.4本章小結
第三章基於局部支持向量數據描述的複雜數據分析算法研究
3.1引言
3.2數據固有結構對複雜數據分析算法的影響
3.3支持向量數據描述的原理及算法
3.4基於局部支持向量數據描述的複雜數據分析算法
3.5本章小結
第四章類重疊問題及其處理方法研究
4.1引言
4.2基本分類算法介紹
4.2.1樸素貝葉斯（NB）
4.2.2K最近鄰法（k—NN）
4.2.3支持向量機（SVMs）
4.2.4決策樹C4.5
4.2.5規則分類器（RIPPER）
4.3類重疊問題對分類的影響
4.4類重疊學習框架
4.4.1SVDD：重疊區域識別方法
4.4.2NB：重疊區域識別方法
4.4.3類重疊問題的處理算法
4.5基於SVMs的分析
4.6本章小結
第五章一致性分類方法研究
5.1引言
5.2集成學習方法
5.2.1集成學習方法的原理
5.2.2Bagging
5.2.3AdaBoost
5.3基於局部聚類的組合複雜數據分析算法
5.5本章小結
第六章複雜數據分析套用研究
6.1引言
6.2複雜數據分析的套用過程
6.3網路入侵檢測套用研究
6.3.1網路入侵檢測數據集
6.3.2數據預處理
6.3.3類重疊處理
6.3.4實驗結果和分析
6.4C2C電子商務共謀欺詐研究
6.4.1C2C電子商務信用機制及欺詐識別研究綜述
6.4.2實驗結果和分析
6.5本章小結
結論
參考文獻
