大数据元启发式算法教程PDF电子书下载

第1章 优化与大数据 1

1.1大数据环境 2

1.1.1大数据环境示例 3

1.1.2定义 4

1.1.3大数据面临的挑战 6

1.1.4元启发式算法和大数据 9

1.2大数据中的知识发现 11

1.2.1数据挖掘与知识发现 11

1.2.2主要的数据挖掘任务 13

1.2.3数据挖掘任务作为优化问题 17

1.3数据挖掘算法的性能分析 17

1.3.1环境 17

1.3.2一个或多个数据集评估 19

1.3.3存储库和数据集 20

1.4本章小结 21

第2章 元启发式算法简介 23

2.1引言 24

2.1.1组合优化问题 25

2.1.2解决组合优化问题 25

2.1.3优化方法的主要类型 26

2.2元启发式算法的通用概念 27

2.2.1表示/编码 27

2.2.2约束满足 28

2.2.3优化标准/目标函数 29

2.2.4性能分析 30

2.3基于单一解/局部搜索的方法 31

2.3.1方案邻域 31

2.3.2爬山算法 33

2.3.3禁忌搜索 34

2.3.4模拟退火和阈值接受法 35

2.3.5结合局部搜索方法 36

2.4基于群体的元启发式算法 37

2.4.1进化计算 38

2.4.2群智能算法 41

2.5多目标元启发式算法 43

2.5.1多目标优化的基本概念 44

2.5.2使用元启发式算法进行多目标优化 46

2.5.3多目标优化的性能评估 50

2.6本章小结 51

第3章 元启发式算法与并行优化 53

3.1并行计算 54

3.1.1位级别并行 55

3.1.2指令级并行 55

3.1.3任务与数据并行 55

3.2并行元启发式算法 56

3.2.1一般概念 56

3.2.2并行基于单一解的元启发式算法 56

3.2.3并行基于总体的元启发式算法 58

3.3并行元启发式算法的基础设施和技术 58

3.3.1分布式模型 58

3.3.2硬件型号 59

3.4质量措施 62

3.4.1加速 62

3.4.2效率 62

3.4.3串行分数 63

3.5本章小结 63

第4章 元启发式算法与聚类算法 65

4.1任务描述 66

4.1.1划分法 67

4.1.2层次法 68

4.1.3基于网格法 70

4.1.4基于密度法 70

4.2大数据与聚类分析 71

4.3优化模型 71

4.3.1组合问题 71

4.3.2质量措施 72

4.3.3表示 79

4.4方法概述 83

4.5验证 84

4.5.1内部验证 86

4.5.2外部验证 86

4.6本章小结 88

第5章 元启发式算法与关联规则 89

5.1任务描述和经典算法 91

5.1.1初始化问题 91

5.1.2先验算法 92

5.2优化模型 93

5.2.1组合问题 93

5.2.2质量测量 93

5.2.3单目标还是多目标问题 95

5.3关联规则挖掘问题的元启发式算法概述 96

5.3.1一般性 96

5.3.2分类关联规则的元启发式算法 97

5.3.3定量关联规则的进化算法 102

5.3.4模糊关联规则的元启发式算法 105

5.4总表 108

5.5本章小结 110

第6章 元启发式算法与（监督）分类 111

6.1任务描述和标准算法 112

6.1.1问题描述 112

6.1.2 K最近邻分类算法（KNN） 113

6.1.3决策树 114

6.1.4朴素贝叶斯算法 115

6.1.5人工神经网络 115

6.1.6支持向量机 116

6.2优化模型 117

6.2.1组合问题 117

6.2.2质量措施 117

6.2.3监督分类的性能评估方法 119

6.3构建标准分类器的元启发式算法 120

6.3.1 KNN算法优化 120

6.3.2决策树 121

6.3.3 ANN算法优化 124

6.3.4 SVM算法优化 125

6.4元启发式算法分类规则 127

6.4.1建模 127

6.4.2目标函数 128

6.4.3算子 130

6.4.4算法 131

6.5本章小结 133

第7章 使用元启发式算法在分类中进行特征选择 135

7.1任务描述 137

7.1.1筛选器模型 137

7.1.2封装器模型 138

7.1.3嵌入式模型 138

7.2优化模型 139

7.2.1组合优化问题 139

7.2.2表示 140

7.2.3算子 141

7.2.4质量测量 141

7.2.5验证 144

7.3算法概述 144

7.4本章小结 145

第8章 框架 147

8.1设计元启发式算法的框架 148

8.1.1 EasyLocal＋＋ 149

8.1.2 HeuristicLab 150

8.1.3 jMetal 150

8.1.4 Mallba 150

8.1.5 ParadisEO 151

8.1.6 ECJ 152

8.1.7 OpenBeagle 152

8.1.8 JCLEC 152

8.2数据挖掘框架 153

8.2.1 Orange 154

8.2.2 R与Rattle GUI 154

8.3元启发式算法数据挖掘框架 155

8.3.1 RapidMiner 155

8.3.2 WEKA 156

8.3.3 KEEL 157

8.3.4 MO-Mine 158

8.4本章小结 159

结论 161

参考文献 163