物聯網與數據挖掘 王愛國 9787121453687 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202304*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：物聯網與數據挖掘
ISBN：9787121453687
出版社：電子工業
著編譯者：王愛國
叢書名：新工科建設
頁數：255
所在地：中國大陸 *此為代購商品
書號：1508374
可大量預訂，請先連絡。

內容簡介

本書圍繞典型的數據收集、存儲、處理與分析過程，系統地闡述物聯網與數據挖掘的基本理論、技術、方法與典型應用等，旨在使讀者全面、紮實地掌握基本的物聯網與數據挖掘技術。全書共16章，內容包括物聯網數據收集、物聯網數據存儲、物聯網數據預處理、分類、集成學習、聚類、關聯規則、人工神經網絡與深度學習、異常檢測等傳統技術，也涵蓋區塊鏈技術、因果分析、主動學習、遷移學習等進階知識，最後簡單介紹物聯網與數據挖掘技術在智慧健康養老和醫療健康中的應用。 本書可以作為高等院校物聯網工程及相關專業的教材，也可以作為計算機、電子通信等專業相關課程的參考用書。

目錄

第1章 緒論
1 1 物聯網概述
1 1 1 物聯網的產生與發展
1 1 2 什麼是物聯網
1 1 3 物聯網體繫結構
1 2 數據挖掘概述
1 2 1 什麼是數據挖掘
1 2 2 數據挖掘的對象與內容
1 2 3 數據挖掘常用技術
1 3 物聯網與數據挖掘
1 3 1 物聯網數據
1 3 2 物聯網數據挖掘
1 3 3 物聯網數據挖掘的應用
習題
第2章 物聯網數據收集
2 1 感測器與感知技術
2 1 1 環境參數感知
2 1 2 生理信號感知
2 1 3 動作信號感知
2 2 物聯網中常見的通信技術
2 2 1 無線通信技術
2 2 2 有線通信技術
2 3 物聯網數據傳輸協議
2 3 1 TCP
2 3 2 HTTP
2 3 3 MQTT
2 3 4 WebSocket協議
習題
第3章 物聯網數據存儲
3 1 資料庫系統
3 1 1 資料庫系統分類
3 1 2 資料庫系統選擇
3 2 數據倉庫
3 2 1 數據倉庫的特點
3 2 2 數據倉庫的組成
3 2 3 數據倉庫的體繫結構
3 2 4 多維數據模型
3 3 數據湖
習題
第4章 物聯網數據預處理
4 1 數據清洗
4 1 1 缺失值處理
4 1 2 雜訊處理
4 1 3 重複數據處理
4 2 數據變換
4 2 1 數據離散化
4 2 2 數據歸一化
4 3 特徵約簡
4 3 1 特徵選擇
4 3 2 特徵提取
習題
第5章 分類
5 1 決策樹
5 1 1 決策樹模型
5 1 2 特徵重要性評估
5 1 3 決策樹生成
5 1 4 決策樹剪枝
5 1 5 案例
5 2 k最近鄰
5 2 1 k最近鄰模型
5 2 2 k值的選擇
5 2 3 距離度量
5 2 4 案例
5 3 樸素貝葉斯分類器
5 3 1 貝葉斯定理
5 3 2 樸素貝葉斯分類器
5 3 3 不同類型的樸素貝葉斯
5 3 4 案例
習題
第6章 集成學習
6 1 集成學習簡介
6 2 Bagging演算法
6 3 Boosting演算法
6 4 Stacking方法
習題
第7章 聚類
7 1 基本概念和術語
7 2 k均值演算法
7 3 層次聚類演算法
習題
第8章 關聯規則
8 1 頻繁項集與關聯規則
8 2 Apriori演算法
8 2 1 頻繁項集的產生
8 2 2 關聯規則的產生
8 2 3 Apriori演算法分析
8 3 FP增長演算法
8 3 1 構建FP樹
8 3 2 基於FP樹挖掘頻繁項集
8 3 3 演算法分析
8 4 關聯規則應用示例
8 5 關聯規則高級進階
8 5 1 面向不同類型變數的關聯規則挖掘
8 5 2 面向概念分層的關聯規則
8 5 3 負關聯規則挖掘
8 5 4 面向特定數據的關聯規則挖掘
8 5 5 面向大數據的關聯規則挖掘
習題
第9章 人工神經網絡與深度學習
9 1 神經元模型
9 2 感知機與多層神經元網路
9 3 誤差反向傳播演算法
9 4 激活函數與損失函數
9 4 1 激活函數
9 4 2 損失函數
9 5 梯度下降法
9 6 深度學習模型
9 7 卷積神經網絡
9 7 1 卷積神經網絡的組件
9 7 2 卷積神經網絡的訓練
9 7 3 典型的卷積神經網絡
9 7 4 卷積神經網絡的代碼示例
9 8 循環神經網絡
9 8 1 基本循環神經網絡
9 8 2 雙向循環神經網絡
9 8 3 深度循環神經網絡
9 8 4 遞歸神經網絡
9 8 5 循環神經網絡訓練
9 8 6 長短時記憶網路
9 8 7 循環神經網絡的代碼示例
習題
第10章 異常檢測
10 1 異常的類型
10 2 異常檢測方法分類
10 2 1 對象標籤的可用性
10 2 2 參考集合的範圍
10 2 3 異常檢測演算法的輸出
10 2 4 潛在建模方法的特點
10 3 基於分類的方法
10 4 基於統計的方法
10 4 1 基於統計檢驗的方法
10 4 2 基於偏差的方法
10 4 3 基於深度的方法
10 5 基於鄰近度的方法
10 5 1 基於聚類的方法
10 5 2 基於距離的方法
10 5 3 基於密度的方法
10 6 基於深度學習的方法
10 7 異常檢測高級進階
10 7 1 面向類別和混合數據的異常檢測
10 7 2 面向時序數據的異常檢測
10 7 3 面向圖數據的異常檢測
習題
第11章 區塊鏈技術
11 1 比特幣
11 2 區塊鏈的基礎概念和特徵
11 3 區塊鏈的技術要素
11 3 1 分散式賬本
11 3 2 共識機制
11 3 3 智能合約
11 3 4 密碼學機制
11 4 常見的聯盟鏈技術平台
11 4 1 Hyperledger Fabric
11 4 2 FISCO BCOS聯盟鏈
11 4 3 商用聯盟鏈BaaS平台
11 5 區塊鏈賦能物聯網
11 5 1 物鏈網的體系架構
11 5 2 物鏈網的應用場景
習題
第12章 因果分析
12 1 辛普森悖論
12 2 因果貝葉斯網路
12 2 1 貝葉斯網路
12 2 2 因果圖模型
12 2 3 結構因果模型
12 3 因果關係發現
12 3 1 基於約束的方法
12 3 2 基於評
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。