大数据挖掘技术与应用

1 绪论1.1 大数据1.1.1 大数据概念1.1.2 大数据特征1.2 云计算与大数据挖掘1.2.1 云计算1.2.2 大数据挖掘1.3 传统数据挖掘1.3.1 数据源与挖掘任务1.3.2 数据挖掘方法1.3.3 数据挖掘面临问题参考文献2 基于属性加权和密度聚类分析2.1 聚类分析技术2.1.1 数据基础2.1.2 聚类分析方法2.1.3 簇的类型2.2 聚类算法2.2.1 聚类算法分类2.2.2 聚类算法特性2.2.3 选用聚类算法参考因素2.2.4 聚类算法面临的挑战2.3 聚类算法改进2.3.1 聚类算法分析2.3.2 数据对象属性加权2.3.3 基于属性加权K-means算法2.3.4 实例验证算法2.4 基于密度与对象方向聚类算法2.4.1 算法的提出2.4.2 DENCLUE算法2.4.3 算法设计2.5 CABWAD算法实现2.5.1 数据结构建立2.5.2 数据结构上聚类2.5.3 时间和空间复杂度2.6 实验分析2.6.1 准确度分析2.6.2 可扩展性分析参考文献3 基于密度与密度可达聚类分析3.1 CABWAD算法分析3.1.1 算法过程分析3.1.2 两个输入参数的分析3.2 算法设计与分析3.2.1 相关定义3.2.2 CADD算法设计3.2.3 算法执行过程分析3.3 实验分析3.3.1 不同分布形态的簇（缠绕簇）3.3.2 不同密度的簇3.3.3 分布在不同密度噪声中的变密度簇3.3.4 复杂形态簇3.3.5 算法复杂度分析参考文献4 动态增量聚类分析4.1 算法提出……5 并行聚类分析6 高维多类型属性数据对象聚类分析7 基于密度加权模糊聚类分析8 基于距离量化关联规则挖掘9 基于数据场的数据挖掘技术10 基于MapReduce聚类分析11 数据挖掘结果可视化表达12 地球化学数据挖掘（I）13 地球化学数据挖掘（II）14 资源与经济发展关系分析

《大数据挖掘技术与应用》针对大数据的海量性、高维性、异构性、动态性、多样性、多源性、多尺度性、时空性和模糊性等特征，对数据挖掘技术中的聚类分析和关联规则分析进行了系统的研究；研究与开发了基于密度和自适应密度可达聚类算法、动态增量聚类算法、并行聚类算法、高维多类型数据聚类算法、基于密度加权的模糊聚类算法、基于数据场的聚类和量化关联规则算法、基于距离的量化关联规则分析、基于云计算的大数据聚类算法，以及挖掘结果的可视化表达；给出了地球化学数据挖掘、基于数据挖掘的中国资源与区域经济发展关系的分析应用实例。　　《大数据挖掘技术与应用》可供从事数据挖掘技术研究、应用和软件开发人员以及学习数据挖掘技术的本科生和研究生参考。【作者简介】孟海东博士，内蒙古科技大学教授，博士生导师，日本东北大学访问学者，内蒙古科技大学矿业研究院副院长、矿业系统工程特色创新团队学术带头人。主要从事数据挖掘技术、数字矿山和矿业系统工程领域的教学和科研工作。近年来主持国家自然科学基金、教育部、内蒙古自治区科研项目10余项；在国际、国内学术期刊上发表论文80余篇，其中被SCI、EI检索收录20余篇；出版专著3部、主编教材1部。　　　　宋宇辰博士，内蒙古科技大学教授，博士生导师，出国访问学者，经济与管理学院学术副院长。主要从事数据挖掘技术、矿业信息系统、资源环境管理领域的教学和科研工作。多次出访欧洲、亚洲、非洲等国，作为专家受邀赴津巴布韦等国考察资源经济和矿业投资环境。主持或完成国家自然科学基金项目2项、国家社会科学基金项目1项、教育部规划项目1项、教育部春晖计划项目1项，参与完成国家和省部级等各类课题10余项。在国内外发表论文60余篇，其中被SCI、EI检索收录20余篇；出版专著3部，主编教材2部。