新書推薦：
《
士变：近代中国的思想转折
》
售價：HK$
96.8
《
生活中的逻辑学
》
售價：HK$
74.8
《
天下无讼
》
售價：HK$
75.9
《
春台记事 盛晚风
》
售價：HK$
76.8
《
科学与现代世界：现代科学的起源 怀特海全集系列
》
售價：HK$
99.0
《
康有为对“君民共主”宪法概念的建构
》
售價：HK$
96.8
《
耶路撒冷之下：世界争夺之城埋藏的历史
》
售價：HK$
107.8
《
透纳画集
》
售價：HK$
140.8
|
| 編輯推薦： |
|
本课程以石油勘探开发及其数据挖掘为主线，选择石油勘探与开发过程中的数据挖掘案例分析与实践作为主要内容，讨论数据挖掘技术在石油勘探开发应用中的基础知识和前沿技术。
|
| 內容簡介： |
|
本书以数据挖掘为核心主线，结合石油勘探开发的实际应用深入探讨数据挖掘技术的基础知识、原理和技术。内容上既注重理论原理的阐述，又强调数学基础的培养，同时融合实践应用，使学生能够全面掌握数据挖掘的核心概念和算法。本书采用Python作为实现语言，对算法的实现进行具体阐述，旨在提高学生的实践能力和应用水平。本书分为11章。第1、2章为数据挖掘概述和数据仓库基本概念；第3、4章分别为数据预处理和可视化，培养学生的数据处理技能；第5、6章从分类、预测和聚类角度培养学生的数据归纳技能；第7~10章分别为关联规则挖掘、文本抽取算法、推荐算法和网络数据挖掘，通过常见案例启发学生的数据底层规律发掘技能；第11章为综合案例。本书结合数据挖掘基本原理与石油勘探开发过程的应用案例，适合能源类高校的计算机相关专业或石油相关专业本科生、研究生以及相关专业人员阅读使用。
|
| 關於作者： |
|
宋弢，教授、博士生导师，长期从事生物计算理论、模型与装置研究，并在药物研发、药物装载等领域开展应用。主持国家级青年人才项目1项，国家级科研项目3项，省部级人才项目2项，省部级科研项目11项，主持欧盟Horizon2020项目子课题1项，参与其他国家及省部级科研项目7项，承担/参与山东省教改项目重点类项目1项，一般项目2项。在Nanoscale，InformationSciences，AAAI（CCFA类）等国内外重要学术期刊和会议发表学术论文70余篇。研究成果获教育部自然科学一等奖1项、科技进步二等奖1项，中国计算机学会CCF科技进步杰出奖1项，国际膜计算学会最佳应用成果奖1项，第48届日内瓦国际发明银奖1项，山东省高等教育教学成果奖一等奖1项，校级教学成果奖一等奖、二等奖各1项。主编出版国内第一本智能药物研发中文专著《智能药物研发——新药研发中的人工智能》（2022年清华大学出版社出版，入选京东图书年度热销榜），译著国内第一本膜计算译著《膜计算导论》，编著英文学术专著《Bio-inspiredComputingModelsandApplications》。
|
| 目錄：
|
目录
第1章数据挖掘概述
1.1基本概念
1.1.1数据挖掘基本概念
1.1.2数据挖掘发展简史
1.1.3数据挖掘的特点
1.2数据挖掘系统的一般结构
1.2.1数据挖掘系统的体系结构
1.2.2数据挖掘步骤
1.3数据挖掘面临的主要问题
1.3.1挖掘方法所面临的问题
1.3.2用户交互性的问题
1.3.3应用与社会影响
1.4数据挖掘的常用方法
1.4.1基于统计学习的数据挖掘方法
1.4.2基于机器学习的数据挖掘方法
1.4.3数据挖掘的衡量标准
1.5数据挖掘与石油勘探开发
第2章基于数据仓库的数据挖掘
2.1数据仓库概述
2.1.1数据仓库的产生
2.1.2数据仓库的定义
2.1.3数据仓库的发展
2.1.4数据库、数据仓库和数据挖掘的关系
2.1.5数据仓库系统的组成
2.2多维数据模型
2.2.1数据立方体
2.2.2典型的OLAP操作
2.2.3常用的多维数据模型
2.3数据仓库设计
2.3.1数据仓库的设计方法
2.3.2数据仓库的设计过程
第3章数据预处理
3.1认识数据
3.1.1数据对象与数据属性
3.1.2数据的基本统计描述
3.2预处理的必要性
3.3数据清理
3.3.1数据缺失的处理
3.3.2噪声数据的处理
3.3.3数据清理过程
3.4数据集成和变换
3.4.1数据集成
3.4.2数据变换
3.5数据归约
3.5.1维归约
3.5.2数据压缩
3.5.3数值归约
3.5.4数据离散化和概念分层
第4章数据可视化
4.1数据可视化概论
4.2视觉感知与认知
4.2.1格式塔理论
4.2.2视觉通道
4.3数据分析与探索
4.3.1数据属性
4.3.2数据初探
4.3.3数据预处理
4.3.4数据存储
4.3.5数据分析
4.4数据可视化流程
4.4.1数据可视化流程
4.4.2数据处理和数据变换
4.4.3可视化编码
4.5时空数据可视化
4.5.1一维标量数据可视化
4.5.2二维标量数据可视化
4.5.3三维标量数据可视化
4.6层次和网络数据可视化
4.6.1树和图与可视化
4.6.2层次数据可视化
4.6.3网络数据可视化
4.7可视化工具
4.8综合案例——气井产量预测分析
4.8.1项目简介
4.8.2数据集说明
4.8.3数据整体分析
4.8.4外输压力和日产气量关联分析
4.8.5产水量和日产气量的关联分析
4.8.6生产时间和日产气量的关联分析
4.8.7气嘴直径和日产气量的关联分析
4.8.8平均油压、平均套压和日产气量
第5章分类与预测
5.1分类的基本过程
5.2分类模型的构造方法
5.2.1数据准备
5.2.2分类方法
5.2.3方法评估标准
5.3基于决策树（判定树）的分类
5.3.1决策树分类步骤
5.3.2决策树ID3算法
5.3.3属性选择方法
5.3.4基本决策树方法的改进
5.3.5树剪枝
5.3.6由决策树（判定树）提取分类规则
5.3.7决策树归纳的可扩展性
5.4其他分类方法
5.4.1K 最邻近（近邻）分类
5.4.2基于统计的分类策略
第6章聚类分析
6.1聚类分析的概念
6.1.1基本概念
6.1.2聚类分析原理
6.1.3聚类的主要应用
6.2聚类分析算法分类
6.2.1按照聚类标准
6.2.2按照聚类算法所处理的数据类型
6.2.3按照聚类的尺度
6.2.4按照聚类算法的思路
6.3聚类分析中的数据类型
6.3.1基本的数据结构
6.3.2标准化
6.3.3数值型数据的相异性度量
6.3.4其他类型的变量相似性值
6.4主要聚类方法
6.4.1层次方法
6.4.2划分方法
6.4.3基于密度的聚类方法
6.4.4基于网格的聚类方法
6.4.5基于模型的聚类方法
6.4.6模糊聚类算法FCM
第7章关联规则挖掘
7.1基本概念
7.1.1购物篮问题分析
7.1.2频繁项集和关联规则
7.1.3关联规则挖掘的应用
7.1.4关联规则挖掘分类
7.2关联规则挖掘方法
7.2.1关联规则挖掘基本过程
7.2.2Apriori算法
7.2.3由频繁项集产生关联规则
7.2.4Apriori算法的改进思路
7.3挖掘频繁项集的模式增长方法
7.3.1FP tree的构建
7.3.2FP Growth算法
7.4多种关联规则挖掘
7.4.1多层关联规则挖掘
7.4.2多维关联规则挖掘
7.5关联模式评估
7.5.1客观兴趣度度量
7.5.2辛普森悖论
第8章文本抽取算法
8.1潜在语义分析应用背景
8.2创建单词 文档矩阵
8.3TF IDF修改权重
8.4SVD矩阵分析
8.5相似度计算
8.6文献检索
8.7数学基础
8.7.1特征值和特征向量
8.7.2SVD求解
8.7.3SVD的几何意义
第9章推荐算法
9.1推荐算法概述
9.2冷启动问题
9.2.1利用非个性化推荐
9.2.2利用用户注册信息
9.2.3利用物品的内容信息
9.2.4根据用户的手机信息
9.3推荐算法分类
9.3.1根据推荐结果是否具有个性化
9.3.2根据推荐引擎的数据源
9.3.3根据推荐模型的建立方式
9.3.4混合推荐算法
9.4协同过滤
9.4.1基于用户的协同过滤
9.4.2基于物品的协同过滤
9.4.3UserCF和ItemCF
9.4.4基于模型的协同过滤
9.5综合案例： 基于用户的协同过滤
第10章网络数据挖掘
10.1引言
10.2网络的定义与表示
10.2.1网络的定义
10.2.2图的邻接矩阵表示
10.2.3网络的类型
10.3网络的基本性质
10.3.1路径与连通性
10.3.2结点的度和度分布
10.3.3聚类系数
10.3.4无标度网络与小世界网络
10.4网络结点的中心性
10.4.1度中心性
10.4.2介数中心性
10.4.3接近中心性
10.4.4特征向量中心性
10.4.5Katz中心性
10.4.6PageRank算法
10.5链路预测与相似性度量
10.5.1问题定义和评价指标
10.5.2共同邻居
10.5.3优先链接指标
10.5.4Adamic Adar指标
10.5.5资源分配指标
10.5.6局部和全局路径指标
10.5.7链路预测算法实例分析
10.6社团检测算法
10.6.1模块度
10.6.2CNM社团检测算法
第11章页岩油压裂水平井产能数据挖掘分析
11.1技术背景
11.2页岩油井产能数据的特征
11.3页岩油井产能数据预处理方法
11.3.1数据清洗
11.3.2页岩油产能主要控制因素筛选
11.4页岩油井产能/生产动态预测
11.4.1非时间序列型模型
11.4.2时间序列型模型
11.5实例分析
11.5.1非时间序列型模型
11.5.2时间序列型模型
参考文献
|
| 內容試閱：
|
前言
大数据时代，数据已成为最珍贵的资产，是维持竞争力的核心。数据挖掘是指从大规模数据集中发现隐藏在其中的模式、关联、趋势和规律的过程。这些数据集可能包含结构化数据和非结构化数据。数据挖掘运用统计学、人工智能等技术，对数据进行分析和挖掘，以帮助人们更好地理解数据背后的含义，并做出基于数据的决策。作为一个涉及多个学科的交叉领域，数据挖掘在提供决策支持方面的价值日益凸显，它帮助各行各业揭示庞大数据集中的规律性、有趣的趋势以及创新性的模式，实现降本增效。对于石油勘探开发等追求高效率和安全性的行业而言，数据挖掘更是其发展不可或缺的支柱。
本书内容与党的二十大精神相契合，致力于构建人工智能增长引擎。以数据挖掘为核心主线，深入探讨其在石油勘探开发应用中涉及的基础知识和前沿技术。编著团队涵盖人工智能、数据库、数据可视分析、石油工程和地质勘探等多个领域，实现了跨学科交叉，确保了本书的全面性和专业性。本书内容上既注重理论原理的阐述，又强调数学基础的培养，同时融合实践应用，使学生能够全面掌握数据挖掘的核心概念和算法。本书采用Python作为实现语言，具体阐述了实现方法，旨在提高学生的实践能力和应用水平。据编者调查，本书是国内少见的结合数据挖掘与石油勘探开发的教材，适用于能源类高校的计算机相关专业或石油相关专业，为培养具备实践能力和创新意识的专业人才提供了重要支持。
本书共分为11章。第1章为数据挖掘概述，主要介绍数据挖掘的基本概念、主要问题、常用方法等内容。第2章介绍了基于数据仓库的数据挖掘。第3、4章分别为数据预处理、数据可视化，通过气井产量实例系统地培养学生的数据处理技能。第5、6章分别为分类与预测、聚类分析，以岩石钻探实例培养学生的数据归纳技能。第7~10章分别为关联规则挖掘、文本抽取算法、推荐算法、网络数据挖掘，通过常见案例启发学生的数据底层规律发掘技能。第11章为页岩油压裂水平井产能数据挖掘分析，通过页岩油开采产能项目将数据挖掘的各方法进行整合，综合考虑了各个环节的衔接以及业务数据上的时间序列。
在本书的撰写过程中，魏子帅、李文龙、战祥杰、孙百乐、廖集秀、韩佩甫、刘镇毅、黄增尧、董朝阳、葛景仰、何为、侯潇、李茂、马俊腾、马天乐、张耀翔、张泽为本书的编辑、整理和校对工作做出了大量贡献，并为所有案例代码做了反复测试。很多朋友都对书稿的撰写提出了宝贵意见，学生们的试用反馈也为编者提供了巨大帮助，一并表示感谢。
鉴于编者水平有限，书中难免存在疏漏与不足，请读者指正。
编者
2024年4月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
