复杂数据分析方法及其应用研究

内容简介

《复杂数据分析方法及其应用研究》主要从数据挖掘与商务智能的角度，系统地介绍了如何利用复杂数据分析的相关理论和方法来提升复杂事件的识别和预测的效果，同时还结合实际应用问题说明了复杂数据分析的应用过程。主要内容包括复杂数据分析方法综述、基于局部支持向量数据描述的复杂数据分析算法研究、类重叠问题及其处理方法研究、一致性分类方法研究和复杂概念分析应用研究等。
　　《复杂数据分析方法及其应用研究》可供从事数据挖掘与商务智能研究和应用的科研人员及高等院校信息管理与信息系统专业、管理科学与工程等相关专业师生参考使用。

目录

第一章 绪论
1.1 背景介绍
1.1.1 类不均衡问题
1.1.2 类重叠问题
1.1.3 集成学习问题
1.2 相关研究分析
1.2.1 复杂数据研究分析
1.2.2 类重叠问题研究分析
1.2.3 集成学习研究分析
1.3 研究意义与目的
1.4 研究方法与研究内容
1.4.1 研究方法
1.4.2 研究内容与本书结构
第二章 相关研究综述
2.1 复杂数据分析的理论研究
2.2 复杂数据分析的算法研究
2.2.1 重抽样
2.2.2 成本敏感学习
2.2.3 集成学习方法
2.2.4 划分方法
2.2.5 调整归纳偏置
2.2.6 单类学习
2.2.7 特征选择方法
2.2.8 其他方法
2.3 复杂数据分析的评价指标研究
2.3.1 点指标
2.3.2 图指标
2.4 本章小结
第三章 基于局部支持向量数据描述的复杂数据分析算法研究
3.1 引言
3.2 数据固有结构对复杂数据分析算法的影响
3.3 支持向量数据描述的原理及算法
3.4 基于局部支持向量数据描述的复杂数据分析算法
3.5 本章小结
第四章 类重叠问题及其处理方法研究
4.1 引言
4.2 基本分类算法介绍
4.2.1 朴素贝叶斯(NB)
4.2.2 K邻法(k-NN)
4.2.3 支持向量机(SVMs)
4.2.4 决策树C4.5 
4.2.5 规则分类器(RIPPER)
4.3 类重叠问题对分类的影响
4.4 类重叠学习框架
4.4.1 SVDD：重叠区域识别方法
4.4.2 NB：重叠区域识别方法
4.4.3 类重叠问题的处理算法
4.5 基于SVMs的分析
……
第五章 一致性分类方法研究
第六章 复杂数据分析应用研究
结论
参考文献