基本信息

• 商品名：数据挖掘技术及其在恒星光谱分析中的应用研究97871□1351679
• ISBN：9787121351679
• 定价：89
• 出版社：电子工业出版社
• 作者：刘忠宝

参考信息（以实物为准）

• 出版时间：2021-04-01
• 印刷时间：
• 版次：01
• 印次：1
• 包装：平装
• 开本：16开
• 用纸：
• 页数：200
• 字数：

内容简介

本书针对当前恒星光谱分析面临的主要问题，利用数据挖掘方法，对恒星光谱分类、稀有天体光谱自动发现、天文大数据挖掘等方面的内容展开研究。本书将定性与定量研究、理论与实证研究相结合，融合多个学科的研究成果，在研究方法和手段上有所创新。本书既有翔实的理论阐述，又有系列的公式推导，严谨可信，具有较高的理论研究价值；同时，本书提出的一些新型模型和理论框架具有较高的应用价值。

目录

□□章 数据挖掘研究进展1

1．1 数据挖掘基本理论1

1．□ 数据挖掘存在的问题8

1．3 数据挖掘研究现状9

1．3．1 特征降维9

1．3．□ 智能分类1□

1．3．3 聚类分析13

1．4 研究思路15

第□章 特征降维方法研究16

□．1 背景知识16

□．1．1 线性判别分析16

□．1．□ 保局投影算法18

□．□ 基于多阶矩阵组合的LDA19

□．3 标量化的线性判别分析算法□0

□．4 基于矩阵指数的线性判别分析算法□□

□．5 基于图的数据降维方法□4

□．6 融合全局和局部特征的特征提取方法□6

□．6．1 □优化问题□7

□．6．□ 算法描述□8

□．6．3 复杂度分析□8

□．7 基于Fisher准则的半监督数据降维方法□9

□．8 特征提取新视角：基于Parzen窗估计的方法31

□．8．1 Parzen窗31

□．8．□ Parzen窗与LPP3□

□．8．3 Parzen窗与LDA35

□．8．4 Parzen窗与PCA38

□．8．5 推广性结论41

第3章 基于数据分布特征的智能分类方法4□

3．1 背景知识4□

3．1．1 支持向量机4□

3．1．□ 支持向量数据描述43

3．1．3 流形判别分析44

3．1．4 模糊理论45

3．1．5 核心向量机46

3．□ 基于流形判别分析的全局保序学习机46

3．□．1 GRPLM原理48

3．□．□ 大规模分类51

3．3 基于□大散度差的保序分类算法5□

3．3．1 □优化问题5□

3．3．□ 大规模分类54

3．4 □小流形类内离散度支持向量机54

3．4．1 MCVSVM55

3．4．□ □小MWCS支持向量机56

3．4．3 理论分析58

3．5 基于核密度估计与熵理论的□大间隔学习机59

3．5．1 核密度估计和熵理论59

3．5．□ MEKLM原理60

3．5．3 理论分析63

第4章 基于决策边界的智能分类方法66

4．1 支持向量数据描述66

4．□ 具有N-S磁极效应的□大间隔模糊分类器67

4．□．1 N-S磁极效应68

4．□．□ MPMMFC原理68

4．□．3 理论分析7□

4．3 基于光束角思想的□大间隔学习机73

4．3．1 光束角74

4．3．□ BAMLM原理74

4．3．3 CCMEB及BACVM78

4．4 面向大规模数据的模糊支持向量数据描述79

4．4．1 模糊支持向量数据描述79

4．4．□ FSVDD-CVM81

4．5 基于信度的BP神经网络8□

4．5．1 BP神经网络83

4．5．□ 基于信度的BP算法85

第5章 天文数据挖掘研究进展87

5．1 引言87

5．□ 大型巡天项目87

5．3 天文数据的特点90

5．4 天文学中的数据挖掘91

5．4．1 天文数据挖掘的必要性9□

5．4．□ 天文数据挖掘的主要任务9□

5．5 天文数据挖掘应用研究94

5．6 光谱自动分类方法研究96

第6章 基于支持向量机及其变种的恒星光谱分类方法99

6．1 基于流形模糊双支持向量机的恒星光谱分类方法99

6．1．1 双支持向量机99

6．1．□ 流形模糊双支持向量机100

6．1．3 实验分析10□

6．1．4 结论103

6．□ 基于多类支持向量机的恒星光谱分类方法103

6．□．1 多类支持向量机104

6．□．□ 实验分析106

6．□．3 结论107

6．3 基于流形判别分析和支持向量机的恒星光谱数据自动分类方法107

6．3．1 基于流形判别分析的支持向量机107

6．3．□ 实验分析110

6．3．3 结论111

6．4 基于□小类内散度、□大类间散度支持向量机的恒星光谱分类111

6．4．1 MMSVM111

6．4．□ 实验分析11□

6．4．3 结论114

6．5 基于模糊□小类内散度支持向量机的恒星光谱分类114

6．5．1 FMWSVM114

6．5．□ 实验分析115

6．5．3 结论117

第7章 稀有天体光谱自动发现方法118

7．1 利用基于熵的单类学习机发现稀有光谱118

7．1．1 熵理论119

7．1．□ 基于熵的单类学习机119

7．1．3 基于核心向量机的OCLM1□0

7．1．4 实验分析1□1

7．1．5 结论1□5

7．□ 利用基于互信息的非平衡分类方法识别稀有光谱1□5

7．□．1 背景知识1□6

7．□．□ 决策树的构造1□7

7．□．3 剪枝方法1□8

7．□．4 基于互信息的代价缺失决策树1□8

7．□．5 实验分析1□9

7．□．6 结论133

7．3 基于模糊大间隔□小球分类模型的恒星光谱离群数据挖掘方法133

7．3．1 模糊大间隔□小球分类模型133

7．3．□ 实验分析136

7．3．3 结论137

第8章 恒星光谱自动分类方法新发展138

8．1 基于非线性学习机的大规模恒星光谱分类方法138

8．1．1 非线性集成学习机138

8．1．□ 实验分析140

8．1．3 结论145

8．□ 基于Fisher准则和流形学□□恒星光谱分类方法145

8．□．1 基于Fisher准则和流形学□□分类方法146

8．□．□ CFCM与传统降维方法的关系150

8．□．3 实验分析150

8．□．4 结论153

8．3 利用带无标签数据的双支持向量机对恒星光谱分类153

8．3．1 带无标签数据的双支持向量机153

8．3．□ 算法描述155

8．3．3 实验分析155

8．3．4 结论157

第9章 天文大数据挖掘158

9．1 研究背景158

9．1．1 天文大数据158

9．1．□ 大数据处理技术159

9．□ 天文大数据处理的关键技术161

9．□．1 天文大数据处理框架161

9．□．□ 天文大数据分布式存储技术164

9．□．3 天文大数据并行化计算技术168

9．□．4 天文大数据分析方法169

9．□．5 天文大数据处理技术存在的问题与不足171

9．3 天文大数据机器学习17□

9．3．1 研究背景和问题17□

9．3．□ 天文大数据机器学□□统的特征17□

9．3．3 主要研究问题173

9．3．4 研究进展173

参考文献175

作者简介

刘忠宝，1981年生，博士，副教授。近年来，一直从事天文数据挖掘方面的研究工作。本科、硕士、博士分别毕业于重庆交通大学、北京工商大学、江南大学，□014年中北大学博士后出站。就职于中北大学软件学院。近年来，主持***项目□项，省部级项目10项；发表学术论文70余篇，其中SCI收录15篇，EI收录□0篇；出版学术专著和教材各1部；授权发明专利□项；获得省部级三等奖□次；□016年入选山西省高等学校优秀青年学术带头人。