大数据与智能计算2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

大数据与智能计算PDF格式电子书版下载

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

第一部分 大数据分析理论基础1

atrain分布式系统（ADS）：面向任何四维特征大数据的可变规模数据架构1

1 引言2

2 r-train（train）和r-atrain（atrain）：大数据数据结构3

2.1 类数组3

2.2 面向同构大数据的同构数据结构r-train4

2.3 r-atrain（atrain）：面向大数据的高效异构数据结构11

3 立体矩阵和立体类矩阵（用于大数据和暂存大数据）19

3.1 立体矩阵和立体类矩阵19

3.2 三维立体矩阵及其特点20

4 （元素为数值的）立体矩阵代数运算22

5 面向立体矩阵／类矩阵的同构数据结构MT24

5.1 三维立体矩阵（三维立体类矩阵）的应用25

6 异构矩阵和异构类矩阵：异构大数据的存储模型31

7 用于大数据的atrain分布式系统32

7.1 atrain分布式系统32

7.2 用于ADS的“多马拉车”拓扑结构和循环拓扑结构33

8 atrain分布式系统中的异构数据结构r-atrain36

8.1 在ADS中r-atrain的数据类37

8.2 环形train和环形atrain40

8.3 面向大数据的ADS内r-atrain的基本操作41

9 用于大数据立体异构类矩阵的异构数据结构MA43

10 结论45

参考文献46

大数据时序预测模型：基于模糊神经网络的混合方法48

1 引言48

2 模糊集基础50

3 混合模糊-神经网络与大数据时间序列51

3.1 神经网络：综述51

3.2 混合模糊-神经网络方法：应用于大数据时序预测问题的新方法51

4 数据集描述53

5 方法与算法54

5.1 EIBD方法54

5.2 大数据时序预测模型算法55

6 面向大数据的模糊神经网络预测模型55

7 性能分析参数58

8 实证分析59

8.1 M因子预测60

8.2 双因子预测61

8.3 三因子预测61

8.4 统计显著性61

9 结论与讨论62

参考文献62

基于混合智能技术的学习方法63

1 引言63

2 基于智能混合粒子群和快速约简算法的基因选择方法65

2.1 粒子群算法67

2.2 算法步骤67

2.3 算法执行与结果69

3 面向癌症分类问题的基于粗糙集的混合基因选择71

3.1 粗糙集71

3.2 基于基因选择的粗糙集方法72

3.3 有监督条件下的基于相关性的约简算法（CFS-RST）73

3.4 算法执行与结果73

4 面向微阵列数据分类精度增强的混合数据挖掘技术（CFS-PLS）74

4.1 SIMPLS与分类框架中的维度约简75

4.2 偏最小二乘回归76

4.3 算法执行与结果77

5 结论79

6 工作展望80

参考文献80

智集及其在决策中的应用83

1 引言83

2 单值智集84

3 多个单值智集的距离、相似性与熵86

3.1 两个智集之间的距离86

3.2 两个单值智集间的相似性88

4 区间值智集软集93

4.1 软集93

4.2 区间智集软集93

4.3 IVNSS在决策支持中的应用98

5 结论99

参考文献99

第二部分 面向大数据分析的框架结构101

一种用于数据聚类和大数据分析的高效分组遗传算法101

1 引言102

2 定义104

3 算法105

3.1 编码106

3.2 适应度函数108

3.3 选择算子109

3.4 交叉算子109

3.5 变异算子111

3.6 取代和精英策略113

3.7 局部搜索113

4 聚类分析的验证113

5 实验与评价114

5.1 数据集114

5.2 结果116

6 结论118

参考文献119

用于大规模优化的Nelder Mead交叉Log-Logistic突变自组织迁移算法122

1 引言122

2 自组织迁移算法124

3 NMSOMA-M算法126

3.1 NM交叉算子126

3.2 Log-Logistic突变算子127

3.3 NMSOMA-M算法步骤127

4 基准函数129

5 基准问题的数值结果131

6 结论141

参考文献141

面向数据分析的大数据应用纵览143

1 引言143

2 医疗领域的大数据145

3 大数据分析框架146

3.1 大数据146

3.2 数据的预处理147

3.3 训练集147

3.4 数据挖掘技术147

3.5 描述和可视化148

4 结果和实现149

5 结论152

参考文献152

脑电信号基本原理及其在医疗领域的应用155

1 引言155

2 脑电波156

2.1 自发的脑电图波156

2.2 事件相关电位157

2.3 基于脑电图的系统的组成159

3 视觉刺激生成160

4 脑信号的处理161

4.1 预处理161

4.2 特征提取162

4.3 特征选择与压缩164

4.4 分类165

5 结论166

6 未来展望166

参考文献166

第三部分 大数据分析及云计算169

大数据：基于云技术的数据密集型应用处理169

1 引言169

2 云计算及大数据170

2.1 云技术为大数据提供的优势171

3 云计算中的大数据处理所面临的挑战171

3.1 数据获得和存储172

3.2 数据传输173

3.3 数据策管173

3.4 数据分析175

3.5 数据可视化176

4 大数据云工具：一种新的技术手段176

4.1 基于MapReduce的大数据处理177

4.2 基于Hadoop的大数据处理177

4.3 Cloudant179

4.4 Xeround180

4.5 StormDB180

4.6 SAP180

4.7 Rackspace180

4.8 MongoLab180

4.9 MicrosoftAzure181

4.10 Google Cloud SQL181

4.11 Garantia Data181

4.12 EnterpriseDB181

4.13 Amazon Web Services181

5 结论182

参考文献182

基于模型驱动的异构云框架184

1 引言184

2 背景185

2.1 云计算185

2.2 模型驱动工程187

2.3 使用多个云的必要性187

2.4 迁移的难点188

3 应用至云端的现代化技术190

3.1 已有的技术190

4 云应用的可移植性问题192

5 已提出的方法193

6 结论196

参考文献196

基于云端的大数据分析：广域网优化技术与解决方案198

1 引言198

2 广域网优化200

2.1 问题及挑战200

3 广域网优化技术201

3.1 面向视频监控的广域网优化202

4 提高应用性能的工具202

4.1 蓝衣应用辅助网络203

5 广域网优化设备203

6 广域网优化控制器203

6.1 面向大数据和批量数据传输的补充广域网优化控制器204

6.2 广域网优化控制器的比较：评估供应商和产品205

7 广域网优化应用于大数据分析205

7.1 广域网优化的大数据分析的关键趋势206

7.2 大数据下广域网优化的驱动206

8 广域网优化解决方案206

8.1 Infineta系统和Q架构207

8.2 BIG-IP广域网优化管理207

8.3 边缘虚拟服务器基础架构208

8.4 EMCIsilon和Silver Bank 广域网优化209

8.5 F5 广域网优化模块210

8.6 BIG-IP 广域网优化模块210

8.7 面向甲骨文数据库快速复制的F5广域网优化211

9 未来发展研究趋势211

9.1 虚拟数据环境和云服务中的广域网优化211

9.2 广域网优化产品的局限性212

9.3 加速数据迁移与广域网优化212

10 结论213

参考文献213

基于云计算的电子政务方案：案例分析215

1 引言215

2 ACME发展部管理系统216

3 云方案218

3.1 技术方案构架219

3.2 模块式aDAMS方案219

4 结论222

参考文献223