并行离群数据挖掘及应用

大数据时代的到来推动了各个行业的发展，各行各业 在发展过程中积累了大量数据，而数据挖掘是大数据分析 的一种有效途径，但现有的离群数据挖掘算法因复杂性高 难以适应大数据分析任务。本书充分利用Spark集群系统的 强大数据处理能力，论述了支持大数据分析的离群数据并 行挖掘算法与集群系统性能优化，提出了一种基于互信息 的混合属性离群检测方法，并探讨了其在智能制造领域的 应用。

第1章 绪论 1.1 大数据挖掘及应用 1.1.1 数据挖掘技术 1.1.2 数据挖掘的发展趋势和研究前沿 1.1.3 大数据及其应用 1.1.4 集群系统与并行计算 1.1.5 Spark并行计算模型 1.1.6 大数据挖掘技术的应用 1.2 离群数据挖掘及研究动态 1.2.1 离群数据挖掘 1.2.2 分类数据离群挖掘 1.2.3 混合属性数据离群挖掘 1.2.4 离群数据并行挖掘及性能优化 1.2.5 离群数据挖掘的应用 1.3 本章小结 第2章 基于加权特征分组的高维分类数据离群挖掘 2.1 引言 2.2 相关工作 2.2.1 离群检测 2.2.2 高维数据离群检测 2.2.3 分类数据离群检测 2.3 离群检测前期准备 2.3.1 分类数据和问题陈述 2.3.2 计算特征的相关性 2.3.3 特征分组算法 2.4 离群值检测算法WATCH 2.4.1 特征加权 2.4.2 离群得分 2.4.3 离群检测算法 2.4.4 时间复杂度分析 2.5 实验分析 2.5.1 数据集 2.5.2 特征分组评估 2.5.3 特征分组结果分析 2.5.4 离群点检测的精度 2.5.5 离群检测效率 2.5.6 可解释性 2.6 本章小结 第3章 基于Spark的分类数据并行离群挖掘 3.1 引言 3.2 基本概念 3.2.1 高维分类数据特征组 3.2.2 MapReduce和Spark RDD 3.3 特征分组 3.3.1 特征分组的基本概念 3.3.2 基于Spark的特征分组的并行实现 3.4 基于Spark的POS算法 3.4.1 基于Spark的POS算法的工作流程 3.4.2 基于Spark的特征分组 3.4.3 并行离群挖掘