全部商品分类

您现在的位置: 全部商品分类 > 数理化学科 > 数理化学科 > 数学

应用数据分析(原理与应用)/数据科学与工程技术丛书

  • 定价: ¥79
  • ISBN:9787111690443
  • 开 本:16开 平装
  •  
  • 折扣:
  • 出版社:机械工业
  • 页数:218页
  • 作者:(澳)约翰逊·I.阿...
  • 立即节省:
  • 2021-09-01 第1版
  • 2021-09-01 第1次印刷
我要买:
点击放图片

导语

  

内容提要

  

    需要进行分析且在某些情况下需要实时处理的数据大量出现,例如医学应用中的X射线图像、网络安全数据、犯罪数据、电信和股票市场数据、健康记录、商业分析数据等,这迫使人们探索处理超大量数据的快速算法。包括R、RapidMiner和Weka在内的应用程序和平台为分析提供了基础,但这些平台的使用者往往很少关注或根本不关注对数据结果有很大影响的底层数学和处理过程,导致无法解释结果或纠正错误,甚至无法发现错误。
    本书试图通过提供一些大数据分析中较受欢迎的技术来弥补这一差距。当使用广泛可用的开源和商业化计算平台、语言和可视化系统进行大数据分析时,本书相当有用。与这些平台结合在一起,本书提供了处理大数据所需的一整套工具,可以快速实现和应用。
    本书对机器学习基础、深度学习、人工智能、统计和演化学习的综合概念进行了充分的解释,提供了相关的应用程序,适合本科生、研究生和大数据分析爱好者阅读。
    本书可以缓解人们对数据分析相关数学知识的恐惧,并有助于开发人工智能、环境传感器数据建模和分析、健康信息学、商业数据分析、物联网数据及深度学习应用。

目录

译者序
前言
致谢
关于作者
贡献者名单
缩略语
第1章  马尔可夫链及其应用
  1.1  简介
  1.2  定义
    1.2.1  状态空间
    1.2.2  轨迹
  1.3  使用马尔可夫链的预测
    1.3.1  初始状态
    1.3.2  长期概率
  1.4  马尔可夫链的应用
第2章  隐马尔可夫建模
  2.1  隐马尔可夫建模表示法
  2.2  释放概率
  2.3  隐马尔可夫模型
    2.3.1  建立HMM
    2.3.2  图形形式的HMM
  2.4  HMM中的三大问题
    2.4.1  表示法
    2.4.2  问题1的解决方案:似然估计
  2.5  状态转移表
    2.5.1  输入符号表
    2.5.2  输出符号表
  2.6  问题3的解决方案:找到最佳HMM
  2.7  练习
第3章  卡尔曼滤波器入门
  3.1  简介
  3.2  标量形式
  3.3  矩阵形式
    3.3.1  状态变量的模型
    3.3.2  状态的高斯表示
  3.4  状态矩阵
    3.4.1  对象在单个方向上移动的状态矩阵
    3.4.2  二维运动对象的状态矩阵
    3.4.3  在三维空间中移动的对象
  3.5  带有噪声的卡尔曼滤波器模型
  参考文献
第4章  卡尔曼滤波器II
  4.1  简介
  4.2  卡尔曼滤波器中的处理步骤
    4.2.1  协方差矩阵
    4.2.2  协方差矩阵的计算方法
    4.2.3  卡尔曼滤波器中的迭代
第5章  遗传算法
  5.1  简介
  5.2  遗传算法的步骤
  5.3  遗传算法的相关术语
  5.4  适应度函数
  5.5  选择
    5.5.1  轮盘赌
    5.5.2  交叉
  5.6  最大化单个变量的函数
  5.7  连续遗传算法
    5.7.1  地形图的最低海拔
    5.7.2  遗传算法在传感器温度记录中的应用
  参考文献
第6章  计算图的微积分
  6.1  简介
  6.2  复合表达式
  6.3  计算偏导数
  6.4  积分计算
    6.4.1  梯形法则
    6.4.2  辛普森法则
  6.5  多径复合导数
第7章  支持向量机
  7.1  简介
  7.2  支持向量机的数学基础
    7.2.1  超平面简介
    7.2.2  平行超平面
    7.2.3  两平行平面之间的距离
  7.3  支持向量机问题
    7.3.1  问题定义
    7.3.2  线性可分情况
  7.4  最佳超平面的定位(素数问题)
    7.4.1  确定边界
    7.4.2  点xi与分离超平面的距离
    7.4.3  求解最佳超平面问题
  7.5  拉格朗日优化函数
    7.5.1  单约束优化
    7.5.2  多约束优化
    7.5.3  Karush-Kuhn-Tucker条件
  7.6  SVM优化问题
    7.6.1  原始SVM优化问题
    7.6.2  对偶优化问题
  7.7  线性SVM数据
    7.7.1  松弛变量
    7.7.2  使用核的非线性数据分类
  参考文献
第8章  人工神经网络
  8.1  简介
  8.2  神经元
第9章  神经网络训练
  9.1  简介
  9.2  神经网络架构
  9.3  反向传播模型
  9.4  带有计算图的反向传播示例
  9.5  反向传播
  9.6  神经网络实用训练
    9.6.1  前向传播
    9.6.2  反向传播
  9.7  权重方法的初始化
    9.7.1  Xavier初始化
    9.7.2  批处理标准化
  9.8  结论
  参考文献
第10章  循环神经网络
  10.1  简介
  10.2  实例
  10.3  原理
第11章  卷积神经网络
  11.1  简介
  11.2  卷积矩阵
  11.3  卷积核
  11.4  卷积神经网络术语
    11.4.1  概念和超参数
    11.4.2  CNN处理阶段
    11.4.3  池化层
    11.4.4  全连接层
  11.5  CNN设计原则
  11.6  结论
  参考文献
第12章  主成分分析
  12.1  简介
  12.2  定义
  12.3  主成分计算
    12.3.1  使用向量投影的PCA
    12.3.2  使用协方差矩阵进行PCA计算
    12.3.3  使用奇异值分解的PCA
    12.3.4  PCA的应用
  参考文献
第13章  矩母函数
  13.1  随机变量的矩
    13.1.1  随机变量的中心矩
    13.1.2  矩特性
  13.2  一元矩母函数
  13.3  矩母函数的级数表示
    13.3.1  概率质量函数的性质
    13.3.2  概率分布函数f(x)的性质
  13.4  离散随机变量的矩母函数
    13.4.1  伯努利随机变量
    13.4.2  二项随机变量
    13.4.3  几何随机变量
    13.4.4  泊松随机变量
  13.5  连续随机变量的矩母函数
    13.5.1  指数分布
    13.5.2  正态分布
    13.5.3  伽马分布
  13.6  矩母函数的性质
  13.7  多元矩母函数
  13.8  矩母函数的应用
第14章  特征函数
  14.1  简介
  14.2  离散单随机变量的特征函数
    14.2.1  泊松随机变量的特征函数
    14.2.2  二项随机变量的特征函数
    14.2.3  连续随机变量的特征函数
第15章  概率生成函数
  15.1  简介
  15.2  离散概率生成函数
    15.2.1  概率生成函数的性质
    15.2.2  伯努利随机变量的概率生成函数
    15.2.3  二项随机变量的概率生成函数
    15.2.4  泊松随机变量的概率生成函数
    15.2.5  几何随机变量的概率生成函数
    15.2.6  负二项随机变量的概率生成函数
  15.3  概率生成函数在数据分析中的应用
    15.3.1  离散事件应用
    15.3.2  传染病建模
  参考文献
第16章  基于人工神经网络的数字身份管理系统
  16.1  简介
  16.2  数字身份度量
  16.3  身份解析
  16.4  生物识别系统架构
    16.4.1  指纹识别
    16.4.2  人脸识别
  16.5  信息融合
  16.6  人工神经网络
  16.7  多模式数字身份管理系统实现
    16.7.1  终端、指纹扫描仪和摄像头
    16.7.2  指纹和人脸识别SDK
    16.7.3  数据库
    16.7.4  验证:连接到主机并选择验证
  16.8  结论
  参考文献
第17章  物联网数据分类的概率神经网络分类器
  17.1  简介
  17.2  概率神经网络
  17.3  广义回归神经网络
  17.4  向量量化GRNN
  17.5  试验工作
  17.6  结论与未来工作
  参考文献
第18章  分层概率有限状态机的MML学习与推断
  18.1  简介
  18.2  有限状态机和PFSM
    18.2.1  有限状态机的数学定义
    18.2.2  状态图中的FSM表示
  18.3  PFSM的MML编码和推断
    18.3.1  建模PFSM
    18.3.2  使用MML推断PFSM
  18.4  分层概率有限状态机
    18.4.1  定义HPFSM
    18.4.2  HPFSM假设H的MML断言代码
    18.4.3  HPFSM转移的编码
  18.5  试验
    18.5.1  人工数据集试验
    18.5.2  ADL数据集试验
  18.6  小结
  参考文献
练习解答