數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的學(xué)習(xí)、推理及應(yīng)用
定 價(jià)：42 元
- 作者：馬馮, 著
- 出版時(shí)間：2016/1/15
- ISBN：9787564345112
- 出 版 社：西南交通大學(xué)出版社
- 中圖法分類(lèi)：O212
- 頁(yè)碼：90
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16K
《數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的學(xué)習(xí)、推理及應(yīng)用》分為五章。第1章緒論、第2章數(shù)據(jù)密集型計(jì)算和貝葉斯網(wǎng)、第3章數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的學(xué)習(xí)方法、第4章數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的推理方法、第5章數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的應(yīng)用——社區(qū)發(fā)現(xiàn)等。
第1章 緒論
1．1 研究背景及意義
1．2 研究現(xiàn)狀分析
1．2．1 數(shù)據(jù)密集型計(jì)算的研究現(xiàn)狀
1．2．2 貝葉斯網(wǎng)的研究現(xiàn)狀
1．2．3 研究?jī)?nèi)容的必要性
1．3 全書(shū)主要工作
1．4 全書(shū)組織結(jié)構(gòu)
第2章 數(shù)據(jù)密集型計(jì)算和貝葉斯網(wǎng)
2．1 數(shù)據(jù)密集型計(jì)算簡(jiǎn)介
2．1．1 數(shù)據(jù)密集型計(jì)算概念
2．1．2 數(shù)據(jù)密集型計(jì)算面臨的挑戰(zhàn)
2．1．3 數(shù)據(jù)密集型計(jì)算的典型應(yīng)用
2．2 貝葉斯網(wǎng)簡(jiǎn)介
2．2．1 貝葉斯網(wǎng)絡(luò)概念
2．2．2 貝葉斯網(wǎng)絡(luò)學(xué)習(xí)
2．2．3 貝葉斯網(wǎng)絡(luò)推理
2．2．4 貝葉斯網(wǎng)絡(luò)的應(yīng)用
第3章 數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的學(xué)習(xí)方法
3．1 傳統(tǒng)貝葉斯網(wǎng)的學(xué)習(xí)方法
3．2 傳統(tǒng)學(xué)習(xí)方法在數(shù)據(jù)密集型計(jì)算環(huán)境下面臨的問(wèn)題
3．3 數(shù)據(jù)密集型計(jì)算環(huán)境下的貝葉斯網(wǎng)學(xué)習(xí)方法
第4章 數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的推理方法
4．1 傳統(tǒng)貝葉斯網(wǎng)的推理方法
4．2 傳統(tǒng)推理方法在數(shù)據(jù)密集型計(jì)算環(huán)境下面臨的問(wèn)題
4．3 數(shù)據(jù)密集型計(jì)算環(huán)境下的貝葉斯網(wǎng)推理方法
第5章 數(shù)據(jù)密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的應(yīng)用——社區(qū)發(fā)現(xiàn)
5．1 問(wèn)題的提出
5．2 本方法的基本思想
5．2．1 數(shù)據(jù)密集型計(jì)算環(huán)境下的頻繁項(xiàng)目集融合方法
5．2．2 數(shù)據(jù)密集型計(jì)算環(huán)境下構(gòu)建基于頻繁項(xiàng)集的基礎(chǔ)網(wǎng)絡(luò)
5．2．3 數(shù)據(jù)密集型計(jì)算環(huán)境下根據(jù)構(gòu)建的網(wǎng)絡(luò)來(lái)進(jìn)行社區(qū)發(fā)現(xiàn)
5．3 實(shí)驗(yàn)?zāi)Ｐ?br />
5．4 實(shí)驗(yàn)結(jié)果及分析
結(jié)束語(yǔ)
參考文獻(xiàn)
《密集型計(jì)算環(huán)境下貝葉斯網(wǎng)的學(xué)習(xí)、推理及應(yīng)用》：
谷歌公司最先提出了Map Reduce的概念，并以GFS為基礎(chǔ)將其具體實(shí)現(xiàn)以便于有效地處理大規(guī)模的數(shù)據(jù)。然而，谷歌并沒(méi)有全部公開(kāi)其整套系統(tǒng)的內(nèi)部細(xì)節(jié)實(shí)現(xiàn)情況，這就使得除谷歌以外的公司或研究人員，很難利用Map Reduce的技術(shù)進(jìn)行相關(guān)研究和應(yīng)用的開(kāi)發(fā)。直到后來(lái)開(kāi)源社區(qū)以Hadoopc項(xiàng)目的形式實(shí)現(xiàn)了Map Reduce功能，并以開(kāi)源的方式提供給所有感興趣的研究人員，這才使得學(xué)術(shù)界對(duì)于Map Reduce的研究取得了較大的發(fā)展。Map Reduce是一種設(shè)計(jì)優(yōu)良的處理大數(shù)據(jù)的軟件架構(gòu)，以它為基礎(chǔ)寫(xiě)出的程序能夠在具有上千個(gè)節(jié)點(diǎn)的大型集群上順利地運(yùn)行，并同時(shí)可以并行地處理數(shù)據(jù)量巨大的數(shù)據(jù)集。
在Map Reduce架構(gòu)中，一個(gè)輸入的作業(yè)通常會(huì)被先切分成若干個(gè)較小的數(shù)據(jù)塊，再由系統(tǒng)以并行的方式去處理這些數(shù)據(jù)塊。MapReduce中的Map常常被翻譯為映射，而Reduce則被翻譯為化簡(jiǎn)。Map的輸入內(nèi)容通常會(huì)先被按照某種策略進(jìn)行排序后，再將結(jié)果輸出給Reduce部分。這樣的輸入和輸出，通常都需要被存儲(chǔ)在適當(dāng)?shù)奈募到y(tǒng)中，而Map Reduce的框架結(jié)構(gòu)則負(fù)責(zé)對(duì)任務(wù)進(jìn)行整體的監(jiān)控和調(diào)度，以及負(fù)責(zé)在發(fā)現(xiàn)任務(wù)失敗后將其重新執(zhí)行的工作。
在Map Reduce的體系中，計(jì)算節(jié)點(diǎn)就是Map Reduce的框架部分，而存儲(chǔ)節(jié)點(diǎn)就是指相應(yīng)的分布式文件系統(tǒng)。在實(shí)際運(yùn)行時(shí)，這兩者通常都是被置于同一個(gè)或同一組節(jié)點(diǎn)之上的。這樣做的目的，是希望在已經(jīng)存有數(shù)據(jù)的節(jié)點(diǎn)上，可以使得任務(wù)得以高效地執(zhí)行，減少節(jié)點(diǎn)間的數(shù)據(jù)傳輸，降低整個(gè)集群內(nèi)部網(wǎng)絡(luò)的擁擠程度，從而提高執(zhí)行效率。
……
書(shū)單推薦
