大數據與智能計算 大数据与智能计算

D. P. 阿奇利亞(D. P. Acharjya);等

買這商品的人也買了...

商品描述

《大數據與智能計算》從大數據分析理論基礎、面向大數據分析的框架結構和大數據分析及雲計算三個方面的一系列理論與實際問題出發,介紹了大數據與智能計算之間的相互關系和最新研究進展。《大數據與智能計算》是國外少數幾本同時從理論和實踐角度討論大數據與智能計算相互關系的著作,其中包含的大量應用示例對工程領域的很多問題都具有指導作用。

目錄大綱

第一部分大數據分析理論基礎

atrain分佈式系統(ADS):面向任何四維特徵大數據的可變規模數據架構

1引言
2r—train(train)和r—atrain(atrain):大數據數據結構
2.1類數組
2.2面向同構大數據的同構數據結構r—t商n 
2.3r—atrain(atrain):面向大數據的高效異構數據結構
3立體矩陣和立體類矩陣(用於大數據和暫存大數據)
3.1立體矩陣和立體類矩陣
3.2三維立體矩陣及其特點
4(元素為數值的)立體矩陣代數運算
5面向立體矩陣/類矩陣的同構數據結構MT 
5.1三維立體矩陣(三維立體類矩陣)的應用
6異構矩陣和異構類矩陣:異構大數據的存儲模型
7用於大數據的atrain分佈式系統
7.1atrain分佈式系統
7.2用於ADS的“多馬拉車”拓撲結構和循環拓撲結構
8atrain分佈式系統中的異構數據結構r—atrain 
8.1在ADS中r—atrain的數據類
8.2環形train和環形atrain 
8.3面向大數據的ADS內r—atrain的 本操作
9用於大數據立體異構類矩陣的異構數據結構MA 
10結論
參考文獻

大數據時序預測模型:基於模糊神經網絡的混合方法
1引言
2模糊集基礎
3混合模糊—神經網絡與大數據時間序列
3.1神經網絡:綜述
3.2混合模糊—神經網絡方法:應用於大數據時序預測問題的新方法
4數據集描述
5方法與算法
5.1EIBD方法
5.2大數據時序預測模型算法
6面向大數據的模糊神經網絡預測模型
7性能分析參數
8實證分析
8.1M因子預測
8.2雙因子預測
8.3三因子預測
8.4統計顯著性
9結論與討論
參考文獻

基於混合智能技術的學習方法

1引言
2基於智能混合粒子群和快速約簡算法的基因選擇方法
2.1粒子群算法
2.2算法步驟
2.3算法執行與結果
3面向癌症分類問題的基於粗糙集的混合基因選擇
3.1粗糙集
3.2基於基因選擇的粗糙集方法
3.3有監督條件下的基於相關性的約簡算法(CFS—RST)
3.4算法執行與結果
4面向微陣列數據分類精度增強的混合數據挖掘技術(CFS—PIS)
4.1SIMPLS與分類框架中的維度約簡
4.2偏最小二乘回歸
4.3算法執行與結 
5結論
6工作展望
參考文獻

智集及其在決策中的應用
1引言
2單值智集
3多個單值智集的距離、相似性與熵
3.1兩個智集之間的距離
3.2兩個單值智集間的相似性
4區間值智集軟集
4.1軟集
4.2區間智集軟集
4.3IVNSS在決策支持中的應用
5結論
參考文獻

第二部分面向大數據分析的框架結構

一種用於數據聚類和大數據分析的高效分組遺傳算法
1引言
2定義
3算法
3.1編碼
3.2適應度函數
3.3選擇算子
3.4交叉算子
3.5變異算子
3.6取代和精英策略
37局部搜索
4聚類分析的驗證
5實驗與評價
5.1數據集
5.2結果
6結論
參考文獻

用於大規模優化的NelderMead交叉Log—Logistic突變自組織遷移算法
1引言
2自組織遷移算法
3NMSOMA—M算法
3.1NM交叉算子
3.2Log—Logistic突變算子
3.3NMSOMA—M算法步驟
4基準函數
5基準問題的數值結果
6結論
參考文獻
面向數據分析的大數據應用縱覽
1引言
2醫療領域的大數據
3大數據分析框架
3.1大數據
3.2數據的預處理
3.3訓練集
3.4數據挖掘技術
3.5描述和可視化
4結果和實現
5結論
參考文獻

腦電信號基本原理及其在醫療領域的應用
1引言
2腦電波
2.1自發的腦電圖波
2.2事件相關電位
2.3基於腦電圖的系統的組成
3視覺刺激生成
4腦信號的處理
4.1預處理
4.2特徵提取
4.3特徵選擇與壓縮
4.4分類
5結論
6未來展望
參考文獻

第三部分大數據分析及雲計算

大數據:基於雲技術的數據密集型應用處理
1引言
2雲計算及大數據
2.1雲技術為大數據提供的優勢
3雲計算中的大數據處理所面臨的挑戰
3.1數據獲得和存儲
3.2數據傳輸
3.3數據策管
3.4數據分析
3.5數據可視化
4大數據云工具:一種新的技術手段
4.1基於MapReduce的大數據處理
4.2基於Hadoop的大數據處理
4.3Cloudant 
4.4Xeround 
4.5StormDB 
46SAP 
4.7Rack8pace 
4.8MongoLab 
4.9MicrosoftAzure 
4.10GoogleCloudSQL 
4.11CarantiaDala 
4.12EnterpriseDB 
4.13AmazonWebServices 
5結論
參考文獻

基於模型驅動的異構雲框架
1引言
2背景
2.1雲計算
2.2模型驅動工程
2.3使用多個雲的必要性
2.4遷移的難點
3應用至雲端的現代化技術
3.1已有的技術
4雲應用的可移植性問題
5已提出的方法
6結論
參考文獻

基於雲端的大數據分析:廣域網優化技術與解決方案
1引言
2廣域網優化
2.1問題及挑戰
3廣域網優化技術
3.1面向視頻監控的廣域網優化
4提高應用性能的工具
4.1藍衣應用輔助網絡
5廣域網優化設備
6廣域網優化控制器
6.1面向大數據和批量數據傳輸的補充廣域網優化控制器
6.2廣域網優化控制器的比較:評估供應商和產品
7廣域網優化應用於大數據分析
7.1廣域網優化的大數據分析的關鍵趨勢
7.2大數據下廣域網優化的驅動
8廣域網優化解決方案
8.1Infineta系統和Q架構
8.2BIC—IP廣域網優化管理
8.3邊緣虛擬服務器基礎架構
8.4EMCIsilon和SilverBank廣域網優化
8.5F5廣域網優化模塊
8.6BIG—IP廣域網優化模塊
8.7面向甲骨文數據庫快速復制的F5廣域網優化
9未來發展研究趨勢
9.1虛擬數據環境和雲服務中的廣域網優化
9.2廣域網優化產品的局限性
9.3加速數據遷移與廣域網優化
10結論
參考文獻

基於雲計算的電子政務方案:案例分析
1引言
2ACME發展部管理系統
3雲方案
3.1技術方案構架
3.2模塊式aDAMS方案
4結論
參考文獻