1.1 大数据时代 1.2 大数据概念 1.3 大数据的影响 1.4 大数据关键技术 1.5 大数据计算模式 1.6 代表性大数据技术

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

本章我们讨论的主要是数据文件。数据文件存储 的是程序运行时所用到的数据。在实际应用中,经常 涉及到需要重复使用的大量数据,在这种情况下,如 果每次都从键盘上输入,一方面造成大量的人力、物 力浪费,另一方面又增大了输入出错的可能性。解决 这种问题的常用方法是,把待输入的大量数据预先准 确无误地以文件的形式存储到磁盘上,需要用到数据 时,从文件中读出即可。同样,我们也可把程序的运 行结果存到磁盘上,这样既能长期保存数据,又能做 到数据共享

1.1 大数据时代 1.2 大数据概念 1.3 大数据的影响 1.4 大数据关键技术 1.5 大数据计算模式 1.6 代表性大数据技术

从数据分析的角度看,数据挖掘可以分为描述 性挖掘和预测性挖掘 描述性挖掘:以简洁概要的方式描述数据,并提供 数据的有趣的一般性质。 预测性数据挖掘:通过分析数据建立一个或一组模 型,并试图预测新数据集的行为

第一数据的来源 数据的来源主要有两种渠道: 一种是通过直接的调查获得的原始数据,一般称之为第一手或直接的统 计数据; 另一种是别人调查的数据,并将这些数据进行加工和汇总后公布的数 据,通常称之为第二手或间接的统计数据

在线性表中,数据元素之间仅有线性关系,除第一个元素 外每个数据元素只有一个直接前趋,除最后一个元素外,每个 数据元素只有一个直接后继.在树形结构中,数据元素之间有 明显的层次关系,每一层上的数据元素可能和下一层中多个元 素相关,但只能和上一层中一个元素相关.而在图形结构中, 任意两个数据元素之间都可能相关,即结点之间的关系可以是 任意的.所以图是一种较线性表和树更为复杂的数据结构

2.1 为什么要预处理数据 2.2 描述性数据汇总 2.3 数据清理 2.4 数据集成和变换 2.5 数据归约 2.6 数据离散化和概念分层产生

9.1 社交媒体大数据应用背景分析 9.2 社交媒体大数据行为模式识别的热点研究方向 9.3 社交媒体大数据应用创新：以跨域行为模式识别为例 9.4 社交媒体大数据跨域行为模式识别的技术体系 9.5 社交媒体行为大数据应用创新的案例分析 9.6 本章小结

8.1 教育大数据应用创新的社会背景 8.2 支撑教育大数据应用创新的云端技术 8.3 教育大数据应用创新的赋能方向 8.4 教育大数据的技术应用的创新思维 8.5 实例：基于知识图谱的教育大数据隐性知识发现 8.6 本章小结