可靠性工程中的大数据分析

本书特色

[

　　全书共分11章。第1章大数据概述，对大数据的特征、发展历程，与可靠性工程中对数据分析的需求进行了描述；第2章大数据与数据挖掘，介绍了数据挖掘技术，及大数据条件下数据挖掘技术的新前沿研究：第3章大数据在可靠性工程中的应用，介绍了传统数据分析方法在可靠性工程中的运用，与大数据分析方法在可靠性工程中的应用前景：第4章故障的关联规则分析方法，介绍如何利用关联规则挖掘故障与故障、故障与故障征兆之间的关联关系：第5章故障／健康监控的时间序列模式分析方法，利用时序特性分析方法，揭示产品故障的时间序列特性：第6章基于故障多状态集的序列模式挖掘，针对故障多态的特性，提出多状态集序列模式挖掘方法；第7章故障信息聚类分析，利用聚类分析的基本思想，开展故障分类研究：第8章基于粗糙集理论的故障因素分析方法，介绍了利用粗糙集模型对数据集中的缺失数据、噪声数据和错误数据的处理：第9章经典因子分析和回归分析方法，介绍了多元线性回归与非线性回归，及其在健康评估中的应用：第10章高维数据回归预测分析，介绍了高维数据环境条件下，预测模型的回归建模方法：第11章可靠性工程中的非参数统计，利用非参数统计方法实现对数据总体性质的统计估计或假设检验。
　　《可靠性工程中的大数据分析》可作为工科硕士研究生数据分析类课程的基础教材，也可以作为对大数据分析问题感兴趣的各专业高年级学生的参考教材，还可以作为管理、经济、生物、工程、心理、医疗等科研人员的参考读物。

]

内容简介

[

本书将理论方法与应用集于一书, 希望读者通过方法学习掌握大数据分析建模的基本过程, 再通过应用学习, 培养运用相关知识开展大数据分析研究的能力。考虑大数据分析所必需的计算机工具, 全书将采用R软件作为基本分析工具, 给出关键方法的示范程序, R软件是免费开源的专业统计分析软件, 分析数据的功能非常强大, 是理论研究和工程实践中进行大数据分析的重要工具。

]

目录

第1章 大数据概述1．1 什么是大数据1．1．1 大数据的定义及特征1．1．2 大数据结构类型1．1．3 大数据实例1．2 大数据发展历程1．3 大数据分析1．4 可靠性工程中的数据分析1．5 相关技术及工具1．5．1 Hadoop介绍1．5．2 R软件介绍1．5．3 AMPL/CPLEX软件介绍1．5．4 Clementine介绍1．5．5 其他大数据处理工具第2章 大数据与数据挖掘2．1 数据管理与数据仓库2．1．1 数据、信息和知识2．1．2 数据爆炸2．1．3 数据仓库2．1．4 云计算与云存储2．2 数据挖掘概述2．2．1 数据挖掘的历史、功能和目的2．2．2 数据挖掘的内涵和基本特征2．2．3 数据挖掘与统计学2．2．4 数据挖掘的一般过程2．3 基于数据挖掘的模式识别2．3．1 探索性数据分析2．3．2 数据挖掘与机器学习2．3．3 数据挖掘与智能决策2．3．4 数据挖掘与神经网络2．4 大数据条件下的数据挖掘技术的*新前沿研究2．4．1 数据挖掘的可视化2．4．2 基于云技术的数据挖掘2．4．3 语音数据挖掘2．4．4 图像数据挖掘2．4．5 文本数据挖掘第3章 大数据在可靠性工程中的应用3．1 传统数据分析方法3．1．1 基于概率统计的分析方法3．1．2 基于时间维度的分析方法3．1．3 基于失效物理的分析方法3．1．4 传统分析方法的优势与局限3．2 大数据分析的特点3．2．1 数据全体VS数据样本3．2．2 非结构化数据vs结构化数据3．2．3 关联分析VS因果分析3．3 大数据分析揭示故障规律3．3．1 可靠性工程中的数据3．3．2 故障激发因素的复杂性3．3．3 可靠性工程大数据分析前景第4章 故障的关联规则分析4．1 关联规则的基本知识4．1．1 关联规则的定义、相关概念与一般过程4．1．2 频繁模式发现4．1．3 Apriori相关算法4．1．4 FP-growth算法4．1．5 应用及案例4．2 动态关联规则挖掘4．2．1 问题描述及需求4．2．2 动态关联规则新定义4．2．3 动态关联规则挖掘算法4．2．4 动态决策规则4．3 基于相关兴趣度的关联规则挖掘……第5章 故障／健康监控的时间序列模式分析第6章 基于故障多状态集的序列模式挖掘第7章 故障信息聚类分析第8章 基于粗糙集理论的故障因素分析第9章 因子分析及回归分析第10章 高维数据回归预测分析第11章 可靠性工程中的非参数统计参考文献

封面

书名:可靠性工程中的大数据分析

作者:常文兵，周晟瀚，肖依永编著

页数:16,391页

定价:¥98.0

出版社:国防工业出版社

出版日期:2019-09-01

ISBN:9787118118643

PDF电子书大小:32MB 高清扫描完整版