新書推薦：
《
百年“巨富长”——建筑中的人文与历史
》
售價：HK$
82.8
《
鲁迅“传统”与余华的小说创作
》
售價：HK$
101.2
《
性心理学（裸脊锁线装，一部剖析性心理的百科全书，一本好读实用的性学指南）
》
售價：HK$
64.4
《
抢人：数字时代如何快速吸纳精准人才（美国商业图书大奖AXIOM年度图书）
》
售價：HK$
66.7
《
给好奇者的黑洞简史
》
售價：HK$
67.9
《
债务机器：美国的银行政策与个人陷阱
》
售價：HK$
79.4
《
朝鲜半岛古代史研究
》
售價：HK$
182.6
《
钱穆：国史新论
》
售價：HK$
78.2
|
| 內容簡介： |
|
本书围绕典型的数据收集、存储、处理与分析过程，系统地阐述物联网与数据挖掘的基本理论、技术、方法与典型应用等，旨在使读者全面、扎实地掌握基本的物联网与数据挖掘技术。全书共16章，内容包括物联网数据收集、物联网数据存储、物联网数据预处理、分类、集成学习、聚类、关联规则、人工神经网络与深度学习、异常检测等传统技术，也涵盖区块链技术、因果分析、主动学习、迁移学习等进阶知识，最后简单介绍物联网与数据挖掘技术在智慧健康养老和医疗健康中的应用。 本书可以作为高等院校物联网工程及相关专业的教材，也可以作为计算机、电子通信等专业相关课程的参考用书。
|
| 關於作者： |
|
王爱国，佛山科学技术学院特聘研究员。合肥工业大学计算机应用技术工学博士学位，哈佛大学联合培养博士生，中国计算机学会会员、电子电气工程学会会员、美国计算机学会会员、中国计算机学会理论计算机专委会执行委员。目前研究方向为机器学习、数据挖掘、物联网，主要研究兴趣包括生物信息学、智能家居、活动识别与行为分析、大数据分析及其在医疗健康中的应用。主持和参与了多项国家自然科学基金委、省部级科研项目和企业委托开发项目。在国内外学术期刊和会议上发表论文三十余篇，撰写一篇英文学术专著章节，一部中文教材章节，并参与翻译国外优秀教材一部。
|
| 目錄：
|
|
第1章 绪论11.1 物联网概述11.1.1 物联网的产生与发展11.1.2 什么是物联网21.1.3 物联网体系结构41.2 数据挖掘概述51.2.1 什么是数据挖掘61.2.2 数据挖掘的对象与内容71.2.3 数据挖掘常用技术91.3 物联网与数据挖掘131.3.1 物联网数据141.3.2 物联网数据挖掘161.3.3 物联网数据挖掘的应用16习题17第2章 物联网数据收集182.1 传感器与感知技术182.1.1 环境参数感知192.1.2 生理信号感知212.1.3 动作信号感知242.2 物联网中常见的通信技术272.2.1 无线通信技术272.2.2 有线通信技术332.3 物联网数据传输协议342.3.1 TCP342.3.2 HTTP352.3.3 MQTT362.3.4 WebSocket协议37习题38第3章 物联网数据存储393.1 数据库系统393.1.1 数据库系统分类393.1.2 数据库系统选择443.2 数据仓库463.2.1 数据仓库的特点463.2.2 数据仓库的组成473.2.3 数据仓库的体系结构493.2.4 多维数据模型523.3 数据湖56习题58第4章 物联网数据预处理594.1 数据清洗594.1.1 缺失值处理594.1.2 噪声处理614.1.3 重复数据处理624.2 数据变换634.2.1 数据离散化634.2.2 数据归一化654.3 特征约简674.3.1 特征选择674.3.2 特征提取74习题77第5章 分类785.1 决策树785.1.1 决策树模型785.1.2 特征重要性评估805.1.3 决策树生成835.1.4 决策树剪枝875.1.5 案例875.2 k最近邻885.2.1 k最近邻模型885.2.2 k值的选择895.2.3 距离度量905.2.4 案例935.3 朴素贝叶斯分类器935.3.1 贝叶斯定理935.3.2 朴素贝叶斯分类器935.3.3 不同类型的朴素贝叶斯965.3.4 案例96习题97第6章 集成学习986.1 集成学习简介986.2 Bagging算法1006.3 Boosting算法1036.4 Stacking方法108习题110第7章 聚类1117.1 基本概念和术语1117.2 k均值算法1127.3 层次聚类算法116习题119第8章 关联规则1208.1 频繁项集与关联规则1218.2 Apriori算法1238.2.1 频繁项集的产生1238.2.2 关联规则的产生1288.2.3 Apriori算法分析1308.3 FP增长算法1318.3.1 构建FP树1318.3.2 基于FP树挖掘频繁项集1348.3.3 算法分析1368.4 关联规则应用示例1368.5 关联规则高级进阶1388.5.1 面向不同类型变量的关联规则挖掘1388.5.2 面向概念分层的关联规则1408.5.3 负关联规则挖掘1408.5.4 面向特定数据的关联规则挖掘1418.5.5 面向大数据的关联规则挖掘142习题143第9章 人工神经网络与深度学习1449.1 神经元模型1449.2 感知机与多层神经元网络1469.3 误差反向传播算法1499.4 激活函数与损失函数1559.4.1 激活函数1569.4.2 损失函数1579.5 梯度下降法1609.6 深度学习模型1629.7 卷积神经网络1639.7.1 卷积神经网络的组件1639.7.2 卷积神经网络的训练1699.7.3 典型的卷积神经网络1709.7.4 卷积神经网络的代码示例1719.8 循环神经网络1739.8.1 基本循环神经网络1739.8.2 双向循环神经网络1759.8.3 深度循环神经网络1769.8.4 递归神经网络1779.8.5 循环神经网络训练1779.8.6 长短时记忆网络1789.8.7 循环神经网络的代码示例181习题182第10 章异常检测18310.1 异常的类型18310.2 异常检测方法分类18410.2.1 对象标签的可用性18410.2.2 参考集合的范围18410.2.3 异常检测算法的输出18510.2.4 潜在建模方法的特点18510.3 基于分类的方法18510.4 基于统计的方法18610.4.1 基于统计检验的方法18610.4.2 基于偏差的方法18710.4.3 基于深度的方法18710.5 基于邻近度的方法19210.5.1 基于聚类的方法19210.5.2 基于距离的方法19210.5.3 基于密度的方法19310.6 基于深度学习的方法19510.7 异常检测高级进阶19710.7.1 面向类别和混合数据的异常检测19710.7.2 面向时序数据的异常检测19710.7.3 面向图数据的异常检测198习题198第11章 区块链技术19911.1 比特币19911.2 区块链的基础概念和特征20111.3 区块链的技术要素20111.3.1 分布式账本20111.3.2 共识机制20211.3.3 智能合约20311.3.4 密码学机制20411.4 常见的联盟链技术平台20511.4.1 Hyperledger Fabric20611.4.2 FISCO BCOS联盟链20711.4.3 商用联盟链BaaS平台20811.5 区块链赋能物联网20811.5.1 物链网的体系架构20811.5.2 物链网的应用场景209习题210第12章 因果分析21112.1 辛普森悖论21112.2 因果贝叶斯网络21212.2.1 贝叶斯网络21212.2.2 因果图模型21312.2.3 结构因果模型21412.3 因果关系发现21412.3.1 基于约束的方法21512.3.2 基于评分的方法21612.3.3 基于结构因果模型的方法21612.3.4 因果发现工具箱21712.4 因果效应估计21712.4.1 干预评估21712.4.2 反事实推理21912.4.3 因果效应估计工具箱22012.5 因果关系之梯220习题221第13章 主动学习22213.1 主动学习的分类22313.2 查询选择策略22413.2.1 不确定性采样22413.2.2 委员会查询22513.2.3 期望模型变化22613.2.4 期望误差减小22713.2.5 方差减小22713.2.6 密度权重22713.2.7 多样性最大化22813.2.8 深度主动学习228习题229第14章 迁移学习23014.1 迁移学习的基础23114.2 迁移学习方法分类23314.2.1 按是否包含有标签数据分类23314.2.2 按特征空间和标签空间分类23314.2.3 按学习方法分类234习题240第15章 在智慧健康养老中的应用24115.1 智能家居24115.2 基于环境智能的活动识别24315.2.1 信息感知与收集24415.2.2 传感器事件的特征编码24515.2.3 活动识别模型构建24715.3 活动识别模型评估24915.3.1 实验设置24915.3.2 实验结果250第16章 在医疗健康中的应用25216.1 概述25216.2 远程心脏健康监测系统253
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
