图书介绍

实时数据流的算法处理及其应用PDF|Epub|txt|kindle电子书版本网盘下载

实时数据流的算法处理及其应用
  • 张晓龙著 著
  • 出版社： 北京：科学出版社
  • ISBN：9787030579065
  • 出版时间：2018
  • 标注页数：139页
  • 文件大小：44MB
  • 文件页数：149页
  • 主题词：数据采集

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：3b62afd8affdbc5e047a8516ec4a239c

下载说明

实时数据流的算法处理及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章 实时数据流和聚类方法的背景1

1.1 实时数据流1

1.1.1 实时数据流的定义1

1.1.2 实时数据流的研究现状3

1.2 实时数据流聚类5

1.3 实时数据流分类6

1.3.1 Hoeffding树算法7

1.3.2 快速决策树8

1.3.3 概念自适应快速决策树8

1.3.4 分类器系综9

1.4 实时数据流频繁模式挖掘9

1.4.1 基于概率误差区间10

1.4.2 基于确定误差区间11

1.4.3 其他高效的挖掘算法11

1.5 实时数据流关联规则分析11

1.5.1 多数据流的关联度计算12

1.5.2 多数据流的主分量计算12

1.6 数据流挖掘应用系统研究12

第2章 基于衰减窗口与剪枝维度树的数据流聚类14

2.1 聚类技术简介14

2.1.1 数据流聚类常用技术14

2.1.2 衰减窗口模型及衰减因子16

2.1.3 基本概念与定义17

2.2 算法整体描述22

2.3 周期性剪枝策略25

2.4 实时数据流在线聚类27

2.5 实验结果与分析27

2.5.1 基于二维人工实时数据流的聚类分析28

2.5.2 二维人工实时数据流的演化30

2.5.3 基于高维真实实时数据流的聚类分析32

2.5.4 周期性剪枝效果分析35

第3章 实时数据流动态模式发现与跟踪方法38

3.1 数据流模式简介38

3.1.1 实时数据流模式演化分析38

3.1.2 基本的概念与定义40

3.2 算法框架43

3.3 模式存储结构与模式快照策略45

3.3.1 模式存储结构45

3.3.2 模式快照策略47

3.4 模式发现与跟踪算法48

3.5 实验结果与分析51

3.5.1 基于二维人工数据集的模式发现与跟踪51

3.5.2 真实数据集的模式发现跟踪53

3.5.3 实验相关参数选择55

第4章 增量式聚类方法与网格划分策略57

4.1 增量式聚类方法58

4.2 网格划分策略59

4.2.1 不均匀网格划分59

4.2.2 均匀网格划分60

第5章 基于网格和密度维度树的增量聚类算法IGDStream61

5.1 IGDStream算法主要思想61

5.2 预测下一次聚类的时刻62

5.3 聚类簇的变化63

5.4 IGDStream算法整体框架65

5.5 实验结果与效率分析66

5.5.1 实验结果比较与分析66

5.5.2 算法时间性能分析71

5.5.3 实验小结72

第6章 基于密度维度树的增量式网格聚类算法IGDDT73

6.1 问题的提出73

6.2 算法的基本思想74

6.3 网格二次划分与网格类型的确定75

6.3.1 网格二次划分75

6.3.2 网格类型的确定77

6.4 相邻可聚类区域的判断算法78

6.5 IGDDT算法整体框架79

6.5.1 初始聚类子算法80

6.5.2 更新聚类的算法81

6.6 实验结果与分析82

6.6.1 人工实时数据流聚类演化过程分析82

6.6.2 二维仿真数据集聚类准确率比较85

6.6.3 不同规模的数据集聚类速度比较85

6.6.4 多维真实数据流的聚类结果比较86

第7章 基于距离和密度的实时数据流聚类及其边界检测技术的研究88

7.1 实时数据流聚类的基本概念与定义88

7.2 算法框架93

7.3 实时数据流中数据信息的存储和更新96

7.4 基于网格方法的实时数据流聚类99

7.5 实时数据流的聚类边界检测100

7.6 实验结果与效率分析101

7.6.1 实验结果比较与分析102

7.6.2 算法时间性能分析107

7.6.3 实验小结107

第8章 实时数据流在钢铁质量监控中的应用109

8.1 实时数据库110

8.1.1 实时数据库的定义110

8.1.2 PI系统111

8.1.3 实时数据库的应用112

8.2 钢铁产品生产过程实时监控系统架构113

8.2.1 系统架构113

8.2.2 功能模块113

8.3 实时数据的采集114

8.4 系统数据处理模块的实现115

8.4.1 PIBatch数据定时计算并导出115

8.4.2 钢卷PDI数据解包115

8.5 实时数据流分析116

8.5.1 工艺在线监控及报警116

8.5.2 实时数据流预处理118

8.5.3 产品离线质量分析120

8.5.4 产品在线质量判定123

8.6 实时数据流聚类方法的应用126

8.6.1 数据预处理126

8.6.2 不同钢种质量分析127

8.6.3 钢卷关键工艺点的相互影响128

8.6.4 班组对产品质量的影响129

8.6.5 单个钢卷质量分析129

参考文献131

后记138

热门推荐