面向大数据的高维数据挖掘技术

1、第2章大数据的维数约简第2章大数据的维数约简2,1大数据维数约简的目的大数据维数约简的目的2,2维数约简的有关定义及分类维数约简的有关定义及分类第2章大数据的维数约简2,1大数据维数约简的目的大数据维数约简的目的随着计算机技术的飞速发展和传。

2、第1章高维大数据第1章高维大数据1,1,大数据介绍大数据介绍1,2大数据分析挖掘技术大数据分析挖掘技术1,3大数据高维特征处理大数据高维特征处理第1章高维大数据1,1,大数据介绍大数据介绍1,1,1,大数据产生的背景大数据产生的背景半个世纪。

3、第3章大数据的特征选择第3章大数据的特征选择3,1特征选择的数学描述及其优势特征选择的数学描述及其优势3,2特征选择基本框架特征选择基本框架3,3,特征选择算法分类特征选择算法分类3,4特征选择的稳定性特征选择的稳定性第3章大数据的特征选择。

4、第6章图方法第6章图方法6,1图的基本概念图的基本概念6,2相似性计算相似性计算6,3图嵌入框架图嵌入框架6,4图嵌入的线性扩展图嵌入的线性扩展6,5图嵌入的核化扩展图嵌入的核化扩展6,6图嵌入的张量扩展图嵌入的张量扩展6,7图嵌入面临的挑。

5、第5章非线性特征提取第5章非线性特征提取5,1核方法核方法5,2流形学习方法流形学习方法第5章非线性特征提取5,1核核方方法法5,1,1核方法原理核方法原理核函数是一种非线性投影方法,通过引入核函数,原空间中非线性的算法可以在一个高维的空间。

6、第7章稀疏大数据的维数约简第7章稀疏大数据的维数约简7,1稀疏矩阵的应用及概念稀疏矩阵的应用及概念7,2稀疏表示理论及重构稀疏表示理论及重构7,3线性回归模型线性回归模型7,4稀疏保持映射稀疏保持映射7,5基于基于Lasso的稀疏主成分的稀。

7、第4章大数据特征提取第4章大数据特征提取4,1特征提取的概念特征提取的概念4,2特征提取的分类特征提取的分类4,3特征选择与特征提取方法的比较特征选择与特征提取方法的比较4,4,线性特征提取线性特征提取第4章大数据特征提取4,1特征提取的概。