智能製造大數據分析技術及應用導論 胡文凱 丁敏 徐達等 9787111776413 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*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：202412*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：智能製造大數據分析技術及應用導論
ISBN：9787111776413
出版社：機械工業
著編譯者：胡文凱 丁敏 徐達等
頁數：238
所在地：中國大陸 *此為代購商品
書號：1723036
可大量預訂，請先連絡。

內容簡介

本書以智能製造為載體，以數據挖掘技術為主線，系統地介紹了智能製造中的大數據分析技術與應用，不僅涵蓋了數據分析與挖掘的基礎理論，還通過引入不同製造業領域的案例，使抽象的理論知識具體化，便於讀者理解。全書共8章，第1～3章從工業製造過程的基本概念和大數據分析需求出發，介紹數據分析的理論框架、數據基本知識和數據預處理技術；第4～8章深入數據挖掘與分析技術，涵蓋頻繁模式挖掘、聚類分析、分類分析和回歸分析，並以實際工業案例展示技術應用。 本書可作為自動化、計算機、智能製造等專業大數據分析相關課程的教材，也適合作為相關領域研究人員和從業人員的參考書籍。

目錄

第1章 智能製造大數據概述
1 1 工業製造過程概述
1 1 1 工業製造過程的基本概念
1 1 2 製造業發展階段
1 1 3 製造業發展戰略
1 2 智能製造的基本概念
1 2 1 智能製造的定義
1 2 2 智能製造的發展歷程
1 2 3 智能製造的發展方向
1 3 工業大數據的基本概念
1 3 1 工業大數據的定義
1 3 2 工業大數據的來源與類型
1 3 3 工業大數據的特徵
1 3 4 工業大數據的採集
1 4 智能製造大數據分析需求與流程
1 4 1 智能製造大數據分析需求
1 4 2 智能製造大數據分析流程
本章小結
思考題與習題
參考文獻
第2章 數據基本知識
2 1 數據的基本概念
2 1 1 標稱屬性
2 1 2 序數屬性
2 1 3 數值屬性
2 1 4 連續屬性與離散屬性
2 2 數據的基本統計描述
2 2 1 中心趨勢度量
2 2 2 離散趨勢度量
2 3 數據的可視化描述
2 4 數據的相似性和相異性
2 4 1 相似性和相異性度量的基本概念
2 4 2 數值屬性的相似性和相異性度量
2 4 3 標稱屬性的相似性和相異性度量
2 5 相關關係與因果關係
2 5 1 相關關係分析
2 5 2 因果關係分析
本章小結
思考題與習題
參考文獻
第3章 數據預處理
3 1 工業數據質量
3 1 1 數據質量特性及問題
3 1 2 數據預處理的主要任務
3 2 數據清洗
3 2 1 缺失值填補
3 2 2 雜訊清洗
3 2 3 異常值清洗
3 2 4 格式內容清洗
3 2 5 邏輯錯誤清洗
3 3 數據集成
3 3 1 實體識別問題
3 3 2 冗餘問題
3 3 3 數據衝突問題
3 4 數據歸約
3 4 1 維歸約
3 4 2 數量歸約
3 5 數據變換
3 5 1 數據規範化
3 5 2 數據離散化
本章小結
思考題與習題
參考文獻
第4章 頻繁模式挖掘
4 1 頻繁模式挖掘的基本概念
4 1 1 項與項集、事務、事務資料庫
4 1 2 模式支持度與頻繁模式
4 2 頻繁項集挖掘
4 2 1 Apriori算法
4 2 2 FP-Growth算法
4 2 3 垂直數據結構算法
4 2 4 模式壓縮
4 3 關聯規則挖掘
4 3 1 關聯規則的產生
4 3 2 關聯規則的評估
4 4 序列模式挖掘
4 4 1 序列模式挖掘的基本概念
4 4 2 PrefixSpan算法
本章小結
思考題與習題
參考文獻
第5章 聚類分析
5 1 聚類分析的基本概念
5 1 1 聚類分析的概念與作用
5 1 2 聚類算法的性能要求
5 2 劃分聚類方法
5 2 1 K-means算法
5 2 2 K-means++算法
5 2 3 K-medoids算法
5 3 層次聚類方法
5 3 1 算法的距離度量方法
5 3 2 凝聚的與分裂的層次聚類
5 4 基於密度的聚類方法
5 5 聚類分析性能評估
5 6 實例
本章小結
思考題與習題
參考文獻
第6章 分類分析
6 1 分類分析的基本概念
6 1 1 分類分析的基本原理
6 1 2 主要分類方法
6 2 決策樹
6 2 1 決策樹的基本原理
6 2 2 屬性選擇度量
6 2 3 樹剪枝
6 2 4 決策樹算法
6 3 支持向量機
6 3 1 支持向量機的基本原理
6 3 2 支持向量機求解
6 4 人工神經網絡
6 4 1 人工神經網絡拓撲
6 4 2 反向傳播過程
6 5 貝葉斯分類
6 5 1 貝葉斯分類的基本原理
6 5 2 樸素貝葉斯分類
6 6 分類模型的評價與選擇
6 6 1 分類器的評價方法
6 6 2 分類器的評價指標
6 6 3 分類器的選擇方法
6 7 組合分類技術
6 7 1 組合分類方法簡介
6 7 2 裝袋算法
6 7 3 提升算法
6 8 實例
本章小結
思考題與習題
參考文獻
第7章 回歸分析
7 1 回歸分析的基本概念
7 1 1 導引
7 1 2 回歸分析的主要步驟
7 2 線性回歸
7 2 1 線性回歸模型
7 2 2 最小二乘估計
7 2 3 加權最小二乘估計
7 2 4 極大似然估計
7 3 高維回歸係數壓縮
7 3 1 共線性的來源及影響
7 3 2 嶺回歸
7 3 3 LASSO回歸
7 3 4 主成分回歸
7 3 5 偏最小二乘回歸
7 4 非線性回歸
7 4 1 非線性回歸模型
7 4 2 非線性最小二乘
7 4 3 支持向量回歸
7 5 回歸模型的評估
7 5 1 殘差分析
7 5 2 擬合效果度量
本章小結
思考題與習題
參考文獻
第8章 工業應用實例
8 1 高爐煉鐵基本原理
8 1 1 高爐煉鐵的背景與工藝原理
8 1 2 高爐操作對高爐狀態的影響
8 1 3 所使用高爐相關數據介紹
8 2 高爐數據預處理
8 2 1 高爐數據特性分析
8 2 2 高爐數據去噪處理
8 2 3 高爐數據規範化
8 3 高爐參數的相關性分析
8 3 1 高爐操作參數間的相關性分析
8
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。