《大数据分类模型和算法研究》强调了大数据的宝贵价值，论述了常用的数据分析技术与方法，在此基础上设计对应的大数据分类模型（线性分类模型和分类分析模型），具体的大数据算法包括关联规则分析算法、分布式算法、聚类算法等，并对大数据分析算法的并行化进行了相关研究。《大数据分类模型和算法研究》阐述了各个算法的应用场景及算法复杂度，从应用的角度提供了大量实例，使读者能够快速、高效进阶各类算法，并能够熟练应用到将来的工作实践中。
第1章 绪论
1．1 大数据的概念和特征
1．2 大数据的发展趋势
1．3 大数据的应用价值
1．4 数据挖掘的产生与功能分析
1．5 大数据的处理方法
1．6 本章小结
第2章 大数据处理相关技术与研究现状
2．1 云技术研究现状
2．2 大数据的分布式和并行计算研究现状
2．3 数据存储研究现状
2．4 大数据分析及挖掘研究现状
2．5 大数据处理架构Hadoop
2．6 云计算和大数据的智能应用分析
2．7 本章小结
第3章 基于大数据的线性分类模型的探索
3．1 线性分类模型的研究方法
3．2 线性分类模型的研究内容
3．3 线性判别式的比较分析与优化方法研究
3．4 基于线性回归分析的特征抽取及分类应用研究
3．5 本章小结
第4章 大数据的分类分析模型研究
4．1 分类分析的定义
4．2 分类分析的原理和策略方法
4．3 主要分类模型
4．4 分类模型的评估指标
4．5 分类分析模型实例分析
4．6 基于决策树的分类分析算法的改进与应用分析
4．7 本章小结
第5章 基于神经网络与人工智能的大数据分析方法研究
5．1 神经网络
5．2 神经网络的结构及工作方式
5．3 人工神经网络与计算智能的研究内容与趋势
5．4 主要分析方法
5．5 本章小结
第6章 数据关联规则挖掘及相关算法、
6．1 数据关联规则概念
6．2 数据关联规则相关算法的研究内容
6．3 主要数据关联规则挖掘算法
6．4 关联规则有效性的评估指标与策略方法
6．5 本章小结
第7章 基于Hadoop的分布式算法的设计与实现
7．1 分布式文件访问与计算的研究内容
7．2 基于Hadoop的分布式算法分析和模型实现
7．3 基于Hadoop的一种网络结构化分布式算法
7．4 一种基于密度的分布式算法
7．5 实验设计与分析
7．6 本章小结
第8章 大数据分析中的聚类算法研究
8．1 大数据分析中聚类分析算法的研究现状
8．2 大数据分析中聚类分析算法的研究内容
8．3 聚类分析相关算法
8．4 算法性能评价指标
8．5 大数据处理平台下聚类算法的实验结果与分析
8．6 本章小结
第9章 大数据分析算法的并行化研究
9．1 大数据分析中并行化研究现状
9．2 大数据分析中并行化算法的研究内容
9．3 大数据分析中相关并行化算法
9．4 算法性能评价指标
9．5 基于Map Reduce的大数据处理并行算法的优化
9．6 大数据分析并行化算法应用案例分析
9．7 本章小结
第10章 大数据计算平台
10．1 数据并行计算框架Spark的研究内容
10．2 数据并行运行时平台Hyracks分析
10．3 Storm流计算系统特征
10．4 本章小结
参考文献
书单推荐
