高维数据挖掘技术研究PDF|Epub|txt|kindle电子书版本网盘下载

高维数据挖掘技术研究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

1　绪论1

1.1　研究背景1

1.1.1　数据挖掘技术的产生和发展1

1.1.2　高维数据挖掘的概念2

1.2　高维数据挖掘所遇到的困难4

1.2.1 高维数据的特点4

1.2.2 维灾（the curse of dimensionality）5

1.2.3 高维对数据挖掘的影响5

1.3　高维数据挖掘的主要研究方向7

1.3.1　高维空间中的距离函数或相似性度量函数7

1.3.2　高效的高维数据相似性搜索算法7

1.3.3　高效的高维数据挖掘算法7

1.3.4　在高维空间中对失效的问题的处理7

1.3.5　选维和降维7

1.4　术语和符号约定8

1.4.1　基本术语8

1.4.2　符号约定8

1.5　本书结构9

2　高维数据的相似性查询处理10

2.1　相似性查询10

2.2　维归约11

2.2.1 选维11

2.2.2 降维12

2.3　高维索引结构13

2.4　相似性查询方法16

2.4.1 RKV算法16

2.4.2　HS算法17

2.4.3　其他高维数据的相似性搜索算法18

2.5　高维数据相似性搜索方法的讨论19

2.5.1 维归约技术的局限19

2.5.2 高维索引结构在性能上的局限19

2.6　本章小结19

3　一种新的高维数据相似性度量函数Hsim（）19

3.1　最近邻查询的不稳定性21

3.2　高维空间中的最近邻特性22

3.3　高维空间中的Lk-范数特性的深入探讨25

3.4　高维空间距离函数的重新设计26

3.5　Hsim（）函数的讨论28

3.5.1　Hsim（）函数的推广28

3.5.2　数据的规范化28

3.5.3　对高维数据中空值的处理29

3.6　Hsim（）与其他相似性度量方法的比较29

3.6.1 由距离度量转换来的相似性度量29

3.6.2　Cosine度量30

3.6.3　Pearson相关系数31

3.6.4　Jaccard系数32

3.7　本章小结33

4　量化交易数据的相似性搜索34

4.1　量化交易数据34

4.2　量化交易数据的相似性度量35

4.3　索引结构的建立35

4.3.1　特征表36

4.3.2　特征划分37

4.4　相似性搜索算法39

4.5　举例42

4.6　性能分析44

4.7　本章小结46

5　一种基于评分的协同过滤算法48

5.1　相关研究工作48

5.1.1　基于用户的推荐算法49

5.1.2　基于项的推荐算法50

5.1.3　两种推荐算法的比较51

5.1.4 维归约技术51

5.2　基于特征表的评分数据协同过滤算法［YZS03］51

5.2.1　相似性度量51

5.2.2　基于特征表的协同过滤算法52

5.3　实验评价53

5.3.1　数据集53

5.3.2　评价指标53

5.3.3 实验结果54

5.4　本章小结55

6　高维数据聚类算法分析56

6.1　一般聚类算法概述56

6.1.1 分层法56

6.1.2　划分法57

6.1.3　基于密度的方法58

6.1.4　基于网格的方法59

6.2　高维对聚类算法的影响及高维数据聚类方法60

6.2.1 高维对聚类算法效率的影响60

6.2.2 高维可能导致传统的聚类概念失去意义60

6.2.3 高维数据聚类方法61

6.3　子空间聚类61

6.3.1　重叠划分子空间聚类算法62

6.3.2　无重叠划分子空间聚类算法63

6.3.3　最优投影聚类算法64

6.3.4　子空间聚类算法的推广65

6.4　优化的网格分割聚类方法66

6.4.1　优化的网格分割66

6.4.2　优化的网格分割算法67

6.4.3　优化的网格分割算法性能的改进67

6.5　高维类别数据聚类算法69

6.6　基于对象相似性的高维数据聚类算法69

6.6.1　基于对象相似性的聚类算法框架69

6.6.2　基于SL树的图分割算法70

6.6.3 HETIS算法71

6.6.4　应用分析72

6.7　本章小结73

7　高维数据异常检测74

7.1　异常检测算法分析74

7.1.1　基于统计的算法74

7.1.2　基于深度的算法75

7.1.3　基于偏差的算法75

7.1.4　基于距离的算法75

7.1.5　基于密度的算法77

7.2　高维对异常检测算法的影响80

7.2.1 高维对基于统计算法的影响80

7.2.2 高维对基于深度算法的影响80

7.2.3 高维对基于距离算法的影响80

7.2.4 高维对基于密度算法的影响81

7.2.5 高维异常检测的问题与出路81

7.3　投影异常的概念及其检测算法82

7.3.1　投影异常的定义82

7.3.2　蛮力搜索算法83

7.3.3　遗传算法83

7.4　动态环境下局部异常的增量挖掘算法IncLOF86

7.4.1　受影响对象87

7.4.2　数据插入88

7.4.3　数据删除91

7.4.4　IncLOF的算法复杂度分析93

7.4.5　性能分析93

7.5　本章小结96

8　高维数据的频繁模式挖掘97

8.1　频繁模式挖掘问题97

8.1.1 关联规则挖掘问题的提出97

8.1.2　频繁模式和频繁封闭模式挖掘98

8.2　定义和术语98

8.3　基于特征计数的频繁封闭模式挖掘算法99

8.4　基于行计数的频繁封闭模式挖掘算法100

8.4.1 自底向上深度优先搜索算法101

8.4.2 自顶向下深度优先搜索算法103

8.5　基于行计数和特征计数的混合计数频繁封闭模式挖掘算法109

8.5.1　动态计数树109

8.5.2 算法［PTCX04］113

8.5.3　转换条件115

8.6　本章小结116

参考文献117