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。