包邮大数据挖掘

第1章 绪论 1.1 理解大数据挖掘 1.1.1 大数据挖掘的定义 1.1.2 大数据挖掘的任务 1.1.3 大数据挖掘的特点 1.1.4 大数据挖掘与相关技术的差异 1.2 大数据挖掘需要的相关技术 1.2.1 大数据获取1.2.2 大数据存储与管理1.2.3 大数据可视化1.3 小结参考文献 第2章 大数据计算框架 2.1. hdfs 2.2. mapreduce2.2.1 mapreduce框架及范例2.2.2 mapreduce存在的问题和解决方法2.3. nosql（非关系型）数据库2.3.1 nosql数据库的分类2.3.2 nosql数据库实例2.4. sql（关系型）数据库2.4.1. apache hive 2.4.2. 其他sql数据库 2.5 小结参考文献 第3章 关联分析 3.1关联分析的基本概念 3.1.1 关联分析的定义3.1.2 关联规则的定义3.1.3 关联规则的分类3.2 关联规则挖掘的原理3.2.1 挖掘简单关联规则 3.2.2 挖掘量化关联规则 3.2.3 挖掘多层关联规则 3.2.4 挖掘多维关联规则 3.3 关联规则挖掘的基础算法3.3.1 apriori算法3.3.2 apriori算法3.3.3 fp-growth算法3.3.4 序列模式挖掘算法3.4挖掘算法的进阶方法 3.4.1 uspan：高效用序列模式挖掘算法3.4.2 基于mapreduce的husmar算法3.5 小结参考文献 第4章 聚类分析 4.1聚类分析的基本概念4.1.1 簇与聚类 4.1.2 相似性度量和聚类原理 4.2聚类分析的基础算法 4.2.1 层次的方法――单连接算法、birch算法 4.2.2 划分的方法――k－means和k-medoids算法4.2.3 基于密度的方法――optics算法4.3 进阶方法4.3.1 density peaks算法（aa算法）4.3.2 k-means||：基于mapreduce的k-means算法4.4 小结 参考文献 第5章 分类分析 5.1分类分析的基本概念 5.2 分类模型5.3 分类分析的原理 5.3.1 决策树5.3.2 基于统计的算法5.3.3 基于神经网络的算法5.4 分类分析的基础算法 5.5 分类分析的进阶方法5.6 小结参考文献 第6章 异常分析6.1异常分析的基本概念6.1.1 异常6.1.2 异常分析6.2异常分析的原理 6.2.1 基于统计的异常分析方法6.2.2 基于偏差的异常分析方法 6.2.3 基于距离的异常分析方法6.2.4 基于密度的异常分析方法 6.3异常分析的主要算法6.3.1 基于距离的异常分析算法6.3.2 基于密度的异常分析算法6.4 小结参考文献 第7章 特异群组挖掘 7.1特异群组挖掘的基本概念7.2 特异群组挖掘与聚类和异常检测的关系7.3 特异群组挖掘形式化描述7.4 特异群组挖掘框架算法7.5 特异群组挖掘应用 7.6 小结 参考文献 第8章 演变分析 8.1演变分析的基本概念 8.2 演变分析的原理8.3 演变分析的基础算法 8.4 演变分析的进阶算法 8.4.1 时间序列随机偏移符号化表示算法8.4.2 多维温度序列协同异常事件挖掘算法8.5 小结参考文献 第9章 异质数据网络挖掘9.1 异质数据网络9.2 异质数据网络挖掘研究现状9.3 数据网络上的相似性度量的研究9.4 异质数据网络挖掘研究内容9.5 小结参考文献第10章 大数据挖掘应用之推荐系统10.1 推荐系统研究阶段10.2 推荐系统算法 10.2.1 推荐系统定义 10.2.2 推荐算法分类 10.2.3 比较与分析10.3 推荐系统的评测 0.4 小结参考文献第11章 大数据中的隐私问题 11.1. 隐私的重要性 11.2. 隐私保护技术 11.2.1. 直接攻击的应对方法 11.2.2. 间接攻击的应对方法11.3 小结参考文献