大数据分析研究进展

前言 第1章 绪论 1.1 大数据分析框架和科学问题 1.2 大数据研究内容与前沿进展 1.3 本书组织架构 第2章 大数据机器学习理论与方法 2.1 反绎学习：机器学习与逻辑推理的协同框架 2.1.1 机器学习与逻辑推理 2.1.2 什么是反绎 2.1.3 反绎学习框架 2.1.4 一个例子 2.1.5 小结 2.2 面向动态环境的在线学习 2.2.1 相关工作 2.2.2 小化自适应遗憾的在线学习算法和理论 2.2.3 小化动态遗憾的在线学习算法和理论 2.2.4 自适应遗憾和动态遗憾的内在关联 2.2.5 小结 2.3 针对复杂噪声分布数据的误差建模方法 2.3.1 误差建模原理简介 2.3.2 针对复杂i.i.d.（独立同分布）噪声数据的误差建模方法 2.3.3 针对复杂非i.i.d.噪声数据的误差建模方法 2.3.4 针对特定领域噪声数据的误差建模方法 2.3.5 未来发展趋势 参考文献 第3章 大数据可视分析理论与方法 3.1 数据可视化基础 3.1.1 数据可视化流程与框架 3.1.2 常见数据可视化方法 3.1.3 可视分析 3.2 复杂数据可视化 3.2.1 图片数据可视化 3.2.2 地理空间数据可视化 3.2.3 时间叙事可视化 3.2.4 小结 3.3 沉浸式可视呈现 3.3.1 叙事可视化创作 3.3.2 城市数据可视化 3.3.3 小结 3.4 可解释机器学习 3.4.1 模型理解 3.4.2 模型诊断 3.4.3 模型改进 3.4.4 小结 参考文献 第4章 多源不确定数据挖掘方法与技术 4.1 针对多源异构数据的多度量学习 4.1.1 多度量学习 4.1.2 应对动态异构成分的多度量学习 4.1.3 应对多样语义挑战的多度量学习