大數據挖掘

第1章 緒論 1.1 理解大數據挖掘 1.1.1 大數據挖掘的定義 1.1.2 大數據挖掘的任務 1.1.3 大數據挖掘的特點 1.1.4 大數據挖掘與相關技術的差異 1.2 大數據挖掘需要的相關技術 1.2.1 大數據獲取1.2.2 大數據存儲與管理1.2.3 大數據可視化1.3 小結參考文獻 第2章 大數據計算框架 2.1. HDFS 2.2. MapReduce2.2.1 MapReduce框架及范例2.2.2 MapReduce存在的問題和解決方法2.3. NoSQL（非關系型）數據庫2.3.1 NoSQL數據庫的分類2.3.2 NoSQL數據庫實例2.4. SQL（關系型）數據庫2.4.1. Apache HIVE 2.4.2. 其他SQL數據庫 2.5 小結參考文獻 第3章 關聯分析 3.1關聯分析的基本概念 3.1.1 關聯分析的定義3.1.2 關聯規(guī)則的定義3.1.3 關聯規(guī)則的分類3.2 關聯規(guī)則挖掘的原理3.2.1 挖掘簡單關聯規(guī)則 3.2.2 挖掘量化關聯規(guī)則 3.2.3 挖掘多層關聯規(guī)則 3.2.4 挖掘多維關聯規(guī)則 3.3 關聯規(guī)則挖掘的基礎算法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挖掘算法的進階方法 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 小結參考文獻 第4章 聚類分析 4.1聚類分析的基本概念4.1.1 簇與聚類 4.1.2 相似性度量和聚類原理 4.2聚類分析的基礎算法 4.2.1 層次的方法――單連接算法、BIRCH算法 4.2.2 劃分的方法――k－means和k-medoids算法4.2.3 基于密度的方法――OPTICS算法4.3 進階方法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 小結 參考文獻 第5章 分類分析 5.1分類分析的基本概念 5.2 分類模型5.3 分類分析的原理 5.3.1 決策樹5.3.2 基于統(tǒng)計的算法5.3.3 基于神經網絡的算法5.4 分類分析的基礎算法 5.5 分類分析的進階方法5.6 小結參考文獻 第6章 異常分析6.1異常分析的基本概念6.1.1 異常6.1.2 異常分析6.2異常分析的原理 6.2.1 基于統(tǒng)計的異常分析方法6.2.2 基于偏差的異常分析方法 6.2.3 基于距離的異常分析方法6.2.4 基于密度的異常分析方法 6.3異常分析的主要算法6.3.1 基于距離的異常分析算法6.3.2 基于密度的異常分析算法6.4 小結參考文獻 第7章 特異群組挖掘 7.1特異群組挖掘的基本概念7.2 特異群組挖掘與聚類和異常檢測的關系7.3 特異群組挖掘形式化描述7.4 特異群組挖掘框架算法7.5 特異群組挖掘應用 7.6 小結 參考文獻 第8章 演變分析 8.1演變分析的基本概念 8.2 演變分析的原理8.3 演變分析的基礎算法 8.4 演變分析的進階算法 8.4.1 時間序列隨機偏移符號化表示算法8.4.2 多維溫度序列協同異常事件挖掘算法8.5 小結參考文獻 第9章 異質數據網絡挖掘9.1 異質數據網絡9.2 異質數據網絡挖掘研究現狀9.3 數據網絡上的相似性度量的研究9.4 異質數據網絡挖掘研究內容9.5 小結參考文獻第10章 大數據挖掘應用之推薦系統(tǒng)10.1 推薦系統(tǒng)研究階段10.2 推薦系統(tǒng)算法 10.2.1 推薦系統(tǒng)定義 10.2.2 推薦算法分類 10.2.3 比較與分析10.3 推薦系統(tǒng)的評測 0.4 小結參考文獻第11章 大數據中的隱私問題 11.1. 隱私的重要性 11.2. 隱私保護技術 11.2.1. 直接攻擊的應對方法 11.2.2. 間接攻擊的應對方法11.3 小結參考文獻