大数据领域大数据分析与挖掘技术应用研究.docVIP

大数据领域大数据分析与挖掘技术应用研究

TOC\o1-2\h\u9432第一章大数据概述 3

273521.1大数据概念与特征 3

210061.1.1大数据的定义 3

72301.1.2大数据的特征 3

317161.2大数据技术架构 4

105631.2.1数据源层面 4

264661.2.2数据处理层面 4

63351.2.3数据分析层面 4

179641.2.4应用层面 4

11080第二章数据采集与预处理 4

240542.1数据采集方法 4

249202.2数据预处理技术 5

1602.3数据质量评估 5

29549第三章关联规则挖掘 5

5853.1关联规则挖掘基本原理 5

215983.1.1关联规则的定义 6

12353.1.2关联规则的组成 6

223403.1.3关联规则挖掘的步骤 6

278253.2关联规则挖掘算法 6

75803.2.1Apriori算法 6

125333.2.2FPgrowth算法 6

224183.3关联规则挖掘应用 6

22913.3.1超市购物篮分析 7

285673.3.2疾病诊断 7

194573.3.3资源优化配置 7

173273.3.4金融风险管理 7

15377第四章聚类分析 7

251114.1聚类分析基本原理 7

312874.2聚类分析方法 7

113124.3聚类分析应用 8

7267第五章分类与预测 8

66265.1分类与预测基本原理 8

219655.2分类算法 9

268205.3预测算法 9

28649第六章机器学习在大数据分析中的应用 10

76276.1机器学习概述 10

327386.1.1定义与发展 10

136606.1.2机器学习与传统算法的区别 10

258246.2机器学习方法 10

319796.2.1监督学习 10

157956.2.2无监督学习 10

108956.2.3半监督学习 10

144836.2.4强化学习 10

107996.3机器学习在大数据分析中的应用案例 10

302256.3.1金融行业：信用评分与反欺诈 10

54366.3.2零售行业：商品推荐与库存管理 11

165006.3.3医疗行业：疾病预测与诊断 11

125636.3.4互联网行业：广告投放与内容推荐 11

89796.3.5智能家居：语音识别与自然语言处理 11

29041第七章深度学习在大数据分析中的应用 11

24117.1深度学习概述 11

101567.2深度学习模型 11

30807.2.1卷积神经网络（CNN） 11

32117.2.2循环神经网络（RNN） 12

3667.2.3自编码器（AE） 12

4927.2.4长短时记忆网络（LSTM） 12

234717.3深度学习在大数据分析中的应用案例 12

47677.3.1图像识别 12

244027.3.2自然语言处理 12

107867.3.3语音识别 12

262837.3.4推荐系统 12

28417.3.5金融风控 13

15585第八章文本挖掘 13

7048.1文本挖掘基本原理 13

138738.2文本预处理 13

22118.3文本挖掘算法与应用 14

5932第九章社交网络分析 14

136659.1社交网络概述 14

110129.1.1社交网络的定义与分类 14

41699.1.2社交网络的发展历程 14

105319.1.3社交网络的主要特点 14

294509.2社交网络分析技术 15

196199.2.1社交网络分析的基本概念 15

317069.2.2社交网络分析的主要方法 15

216029.2.3社交网络分析的关键技术 15

24809.3社交网络分析应用 16

63369.3.1社交网络营销 16

234419.3.2公共舆情监控 16

31509.3.3疾病传播预测 16

294359.3.4知识图谱构建 16

263579.3.5个性化推荐系统 16

6900第十章大数据分析与挖掘技