大數據計算方法 喻文健 馮欣 李昕 9787040615913 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：高等教育
物品所在地：中國大陸
原出版社：高等教育
NT$350
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202404*若逾兩年請先於私訊洽詢存貨情況，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：大數據計算方法 ISBN：9787040615913 出版社：高等教育 著編譯者：喻文健 馮欣 李昕 頁數：330 所在地：中國大陸 *此為代購商品 書號：1647382 可大量預訂，請先連絡。 內容簡介 本書是工業和信息化部「十四五」規劃教材，針對「高等數值分析」「高等數值演算法」「大數據分析演算法」等課程編寫，內容包括緒論、數據分析方法概述、線性方程組求解與矩陣分解、大型稀疏線性方程組的求解、矩陣的特徵值與奇異值計算、優化問題與凸優化、數據分析中的凸優化問題、非線性方程與無約束優化、約束優化問題的解法、基於矩陣分解的數據挖掘與分析10章。本書考慮大規模數據分析與模擬問題，重點介紹其背後涉及的矩陣計算與凸優化求解方法，突出演算法應用與創新。在敘述上既注重嚴謹性和前沿性，又強調方法的應用背景、演算法設計，以及不同方法的對比。為了增加實用性與可擴展性，本書結合MATLAB、Python等編程語言進行介紹，每章配備了若干習題，書末還附有課程擴展項目，以及Python語言與Julia語言的簡介。 本書適合作為高等學校信息科學與技術各專業以及信息與計算科學專業研究生的教材，也可供學有餘力的高年級本科生、從事科學與工程計算和大數據智能計算的科研人員參考。作者簡介 喻文健，清華大學計算機系副教授。1999年、2003年先後畢業於清華大學計算機系，獲得工學學士與博士學位，隨後留校任教。2005年9月至2008年1月，多次赴美國加州大學聖迭戈分校計算機系擔任訪問學者。目前為IEEE高級會員、中國計算機學會「計算機輔助設計與圖形學」專業委員會委員，擔任多個國際、國內學術期刊的編委及論文評審專家。主要從事數值演算法與軟體、集成電路與系統的計算機輔助設計等方面的教學與科研工作，發表SCI檢索的國際期刊論文30多篇。2014年由Springer公司出版專著Advanced Field-Solver Techniques for RC Extraction of Integrated Circuits，此外出版譯著多本。獲2005年「全國優秀博士論文」提名，2010年清華大學科研成果推廣應用效益獎，2014年獲批國家自然科學基金優秀青年基金項目。目錄 第1章 緒論1 1 引言 1 2 數值計算基礎 1 2 1 誤差分析基礎 1 2 2 浮點數與舍入誤差 1 3 MATLAB與數值軟體 1 3 1 MATLAB簡介 1 3 2 數值計算有關功能 1 3 3 更多的數值軟體 本章小結 習題一 第2章 數據分析方法概述 2 1 基本概念 2 1 1 性能度量 2 1 2 實驗測試 2 2 分類 2 2 1 二分類 2 2 2 K近鄰 2 2 3 線性判別分析 2 2 4 邏輯回歸 2 3 回歸分析 2 3 1 線性回歸分析 2 3 2 非線性回歸分析 2 3 3 欠擬合和過擬合 2 4 聚類分析和降維 2 4 1 聚類演算法的性能度量 2 4 2 距離計算 2 4 3 K均值聚類演算法 2 4 4 層次聚類 2 4 5 密度聚類 2 4 6 降維 本章小結 習題二 第3章 線性方程組求解與矩陣分解 3 1 基於LU分解的線性方程組求解 3 1 1 高斯消去法 3 1 2 LU分解與選主元 3 2 問題敏感性與誤差分析 3 2 1 矩陣條件數與敏感性分析 3 2 2 演算法穩定性與解的誤差 3 3 對稱正定矩陣的Cholesky分解 3 4 QR分解與正交三角化 3 4 1 基本方法 3 4 2 基於Householder變換的演算法 3 4 3 基於Givens變換的演算法 3 5 線性最小二乘問題的求解 3 5 1 矩陣列滿秩的情況 3 5 2 矩陣列不滿秩的情況與QRCP分解 本章小結 習題三 第4章 大型稀疏線性方程組的求解 4 1 稀疏矩陣及其存儲格式 4 2 帶狀矩陣的分解與矩陣向量乘 4 3 稀疏矩陣的直接解法概述 4 4 Lsolve演算法與稀疏矩陣LU分解 4 4 1 針對稀疏下三角矩陣的Lsolve演算法 4 4 2 稀疏矩陣的LU分解 4 4 3 稀疏矩陣的Cholesky分解 4 4 4 消去樹與并行演算法 4 5 高效穩定的稀疏矩陣直接解法 4 5 1 減少填入元的矩陣重排 4 5 2 稀疏對稱正定矩陣的處理 4 5 3 高效穩定的稀疏矩陣LU分解 4 6 迭代解法與共軛梯度法 4 6 1 迭代法概述 4 6 2 變分原理與最速下降法 4 6 3 共軛梯度法 4 7 廣義最小殘量法 4 7 1 投影過程與幾個結論 4 7 2 Arnoldi過程 4 7 3 GMRES演算法 本章小結 習題四 第5章 矩陣的特徵值與奇異值計算 5 1 計算特徵值的基本方法 5 1 1 引言 5 1 2 冪法與反冪法 5 2 QR演算法 5 2 1 基本的QR演算法 5 2 2 Householder約化技術 5 2 3 處理實對稱矩陣的實用QR演算法 5 2 4 隱式位移技術 5 2 5 處理非對稱矩陣的演算法 5 3 Krylov子空間迭代法 5 3 1 Armoldi過程與Lanczos過程 5 3 2 Lanczos演算法與Amoldi演算法 5 4 奇異值分解及其演算法 5 4 1 基本概念與奇異值分解定理 5 4 2 奇異值分解的性質與應用 5 4 3 奇異值分解的計算 本章小結 習題五 第6章 優化問題與凸優化 6 1 優化問題基礎 6 2 凸集 6 3 凸函數 6 4 凸優化問題 6 5 凸優化問題舉例：最大內切橢球問題 本章小結 習題六 第7章 數據分析中的凸優化問題 7 1 最大間隔分類與支持向量機 7 1 1 數據分類與二分類問題 7 1 2 最大間隔分類 7 1 3 更多討論 7 2 線性回歸的過擬合與正則化 7 2 1 過擬合問題 7 2 2 正則化 7 3 壓縮感知技術簡介 7 3 1 圖像恢復的壓縮感知方法 7 3 2 正交匹配追蹤演算法 本章小結 習題七 第8章 非線性方程與無約束優化 8 1 非線性方程求解與牛頓法 8 1 1 二分法 8 1 2 牛頓法 8 1 3 單個非線性方程的其他解法 8 1 4 非線性方程組的求解 8 2 簡單的無約束優化解法 8 2 1 黃金分割搜索法 8 2 2 下山單純形法 8 2 3 可分離非線性最小二乘問題的解法 8 3 基於求導的無約束優化方法 8 3 1 梯度下降法 8 3 2 牛頓法 8 3 3 非線性共軛梯度法 本章小結 習題八 第9章 約束優化問題的解法 9 1 等式約束優化問題 9 1 1 子空間約減法 9 1 2 拉格朗日乘子法 9 2 不等式約束優化問題 9 2 1 內點法 9 2 2 半正定規劃問題 9 3 對偶方法與KKT條件 9 3 1 對偶函數 9 3 2 對偶問題 9 3 3 KKT條件 本章小結 習題九 第10章 基於矩陣分解的數據挖掘與分析 10 1 主成分分析與降秩最小二乘 10 1 1 主成分分析及其應用 10 1 2 降秩最小二乘及其應用 10 2 隨機化矩陣低秩分解 10 2 1 子空間嵌入 10 2 2 固定秩參數的隨機化矩阼低秩分解 10 2 3 自適應的隨機化低秩分解演算法 10 2 4 少遍歷與單遍歷演算法 10 2 5 隨機化奇異值分解的應用 10 3 非負矩陣分解 本章小結 習題十 參考文獻 附錄A 擴展項目 A 1 二維熱分析 A 2 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
