- 试验鉴定数据工程
- - 作者：编者:王焕彬|责编:许波建
  - 出版社：国防工业
  - ISBN：9787118139389
  - 出版日期：2025/12/01
  - 页数：187
- 售价：27.2

内容大纲
本书主要介绍试验鉴定数据工程基本概念、理论和方法，包括数据工程概念与内涵、数据规划与数据标准化、数据采集与存储和备份容灾、数据治理、多维数据分析、关联规则分析挖掘方法、聚类分析挖掘方法、分类分析挖掘方法、复杂类型数据挖掘以及数据中心规划建设与管理等内容。书中的每一部分内容都由浅入深，先介绍基本概念、理论基础和方法流程，然后结合实例进行分析说明，便于读者更好地理解相关概念和掌握相关方法。
本书适用于数据工程、信息管理等领域的初学者，不仅可以作为高等院校相关专业本科生和研究生的教材，也可以作为数据工程领域相关专业人员的辅导教材。
作者介绍
目录
第1章  绪论
  1.1  数据工程相关概念
    1.1.1  数据定义
    1.1.2  信息定义
    1.1.3  数据和信息的关系
    1.1.4  试验数据的作用与生命周期
    1.1.5  数据工程概念与研究内容
  1.2  我军数据工程建设
    1.2.1  建设目标
    1.2.2  建设原则
    1.2.3  建设策略
    1.2.4  建设内容
  1.3  美军数据工程建设状况
    1.3.1  统一的数据管理阶段
    1.3.2  集中的数据管理阶段
    1.3.3  以网络为中心的数据管理阶段
  1.4  试验鉴定数据分析与挖掘
    1.4.1  数据分析概念
    1.4.2  数据挖掘概念
    1.4.3  数据分析与数据挖掘的区别和联系
    1.4.4  数据分析与数据挖掘的方法和技术
  1.5  本章小结
  习题
第2章  试验鉴定数据规划与数据标准化
  2.1  数据规划
    2.1.1  数据规划定义
    2.1.2  数据规划内容
    2.1.3  数据规划思想
    2.1.4  数据规划方法
  2.2  数据标准化
    2.2.1  数据标准化定义
    2.2.2  数据分类与编码标准化
    2.2.3  数据模式标准化
    2.2.4  元数据标准化
  2.3  本章小结
  习题
第3章  试验鉴定数据采集与存储
  3.1  试验鉴定数据采集
    3.1.1  数据采集概述
    3.1.2  数据采集方法
    3.1.3  数据采集系统
  3.2  试验鉴定数据存储
    3.2.1  直连方式存储
    3.2.2  网络附加存储
    3.2.3  存储区域网络
  3.3  试验鉴定数据备份容灾
    3.3.1  数据备份概述
    3.3.2  数据备份技术
    3.3.3  数据容灾概述
    3.3.4  数据容灾技术

  3.4  本章小结
  习题
第4章  试验鉴定数据治理
  4.1  试验鉴定数据预处理
    4.1.1  数据清理
    4.1.2  数据变换
    4.1.3  数据归约
    4.1.4  数据离散化
  4.2  试验鉴定数据集成
    4.2.1  数据集成的挑战
    4.2.2  数据集成的方法
    4.2.3  数据集成的技术
  4.3  试验鉴定数据分析
    4.3.1  数据的集中趋势分析
    4.3.2  数据的离中趋势分析
  4.4  本章小结
  习题
第5章  试验鉴定多维数据分析
  5.1  多维数据分析概述
    5.1.1  联机分析定义
    5.1.2  多维数据分析相关概念
  5.2  多维数据模型
    5.2.1  多维数据的概念模型
    5.2.2  多维数据的逻辑模型
    5.2.3  多维数据的物理模型
  5.3  多维数据分析的基本操作、工具及其特点
    5.3.1  多维数据分析的基本操作
    5.3.2  多维数据分析工具及其特点
  5.4  本章小结
  习题
第6章  试验鉴定数据关联规则分析挖掘方法
  6.1  关联规则挖掘概述
  6.2  Apriori关联规则挖掘算法
    6.2.1  Apriori算法的相关概念与性质
    6.2.2  Apriori算法的思想与步骤
    6.2.3  Apriori算法的优缺点分析
    6.2.4  Apriori算法的改进策略
  6.3  FP-Growth关联规则挖掘算法
    6.3.1  FP-Growth算法的思想
    6.3.2  FP-Growth算法的步骤
    6.3.3  FP-Growth算法的优缺点分析
  6.4  关联规则挖掘拓展
  6.5  本章小结
  习题
第7章  试验鉴定数据聚类分析挖掘方法
  7.1  聚类分析概述
    7.1.1  聚类分析的基本概念
    7.1.2  聚类分析中的数据类型
    7.1.3  数据挖掘对聚类分析的基本要求
    7.1.4  聚类分析中距离的度量

    7.1.5  聚类分析的应用
  7.2  基于划分的聚类方法
    7.2.1  k-Means聚类算法分析
    7.2.2  k-Medoids聚类算法分析
    7.2.3  PAM聚类算法分析
  7.3  基于层次的聚类方法
    7.3.1  AGNES聚类算法分析
    7.3.2  CURE聚类算法分析
    7.3.3  CHAMELEON聚类算法分析
  7.4  基于密度的聚类方法
    7.4.1  DBSCAN聚类算法分析
    7.4.2  DENCLUE聚类算法分析
  7.5  模糊聚类方法
    7.5.1  模糊聚类分析的数学模型
    7.5.2  模糊聚类的定义
    7.5.3  模糊C均值聚类算法
  7.6  聚类分析中的孤立点检测方法
    7.6.1  基于统计的方法
    7.6.2  基于距离的方法
    7.6.3  基于偏离的方法
    7.6.4  基于密度的方法
    7.6.5  基于图形的方法
  7.7  本章小结
  习题
第8章  试验鉴定数据分类分析挖掘方法
  8.1  装备试验数据分类挖掘概述
  8.2  分类挖掘的决策树算法
    8.2.1  决策树相关概念
    8.2.2  决策树ID3算法
    8.2.3  决策树C4.5算法
  8.3  贝叶斯分类方法
    8.3.1  贝叶斯定理
    8.3.2  朴素贝叶斯分类
  8.4  其他分类方法
    8.4.1  k-最近邻分类法
    8.4.2  基于案例推理的分类方法
  8.5  分类挖掘的应用
  8.6  本章小结
  习题
第9章  试验鉴定复杂类型数据分析挖掘方法
  9.1  文本数据挖掘
    9.1.1  文本挖掘概念
    9.1.2  文本挖掘的过程
    9.1.3  文本挖掘的方法
    9.1.4  文本分类步骤、技术与算法
  9.2  图像数据挖掘
    9.2.1  图像数据的特点
    9.2.2  图像数据预处理
    9.2.3  图像数据挖掘技术
    9.2.4  图像数据挖掘的应用

  9.3  语音数据挖掘
    9.3.1  语音数据的特点和挖掘技术
    9.3.2  语音信号处理和特征提取
    9.3.3  语音识别技术
    9.3.4  语音识别技术的应用
  9.4  视频数据挖掘
    9.4.1  视频数据的特点和挖掘技术
    9.4.2  视频数据预处理
    9.4.3  视频数据挖掘方法
    9.4.4  视频数据挖掘的应用
  9.5  数据流挖掘
    9.5.1  数据流的特点
    9.5.2  数据流预处理
    9.5.3  数据流挖掘方法
    9.5.4  数据流管理系统
  9.6  本章小结
  习题
第10章  试验鉴定数据中心规划建设与管理
  10.1  数据中心概述
    10.1.1  数据中心概念与架构
    10.1.2  试验鉴定数据中心建设目标与任务
    10.1.3  试验鉴定数据中心建设原则
    10.1.4  试验鉴定数据中心关键技术
  10.2  试验鉴定数据中心规划
    10.2.1  试验鉴定数据中心基础设施规划
    10.2.2  试验鉴定数据中心存储系统规划
    10.2.3  试验鉴定数据中心应用系统规划
    10.2.4  试验鉴定数据中心保障体系规划
  10.3  试验鉴定数据中心管理运维
    10.3.1  试验鉴定数据中心管理制度
    10.3.2  试验鉴定数据中心运维管理系统
    10.3.3  试验鉴定数据中心日常管理
  10.4  本章小结
  习题
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目