數據挖掘技術及其在恆星光譜分析中的應用研究

劉忠寶，1981年生，博士，副教授。
近年來，一直從事天文數據挖掘方面的研究工作。本科、碩士、博士分別畢業於重慶交通大學、北京工商大學、江南大學，2014年中北大學博士後出站。
就職於中北大學軟件學院。
近年來，主持***項目2項，省部級項目10項；發表學術論文70餘篇，其中SCI收錄15篇，EI收錄20篇；出版學術專著和教材各1部；授權發明專利2項；獲得省部級三等獎2次；2016年入選山西省高等學校優秀青年學術帶頭人。

第1章數據挖掘研究進展
1.1數據挖掘基本理論
1.2數據挖掘存在的問題
1.3數據挖掘研究現狀
1.3.1特徵降維
1.3.2智能分類
1.3.3聚類分析
1.4研究思路

第2章特徵降維方法研究
2.1背景知識
2.1.1線性判別分析
2.1.2保局投影算法
2.2基於多階矩陣組合的LDA
2.3標量化的線性判別分析算法
2.4基於矩陣指數的線性判別分析算法
2.5基於圖的數據降維方法
2.6融合全局和局部特徵的特徵提取方法
2.6.1最優化問題
2.6.2算法描述
2.6.3複雜度分析
2.7基於Fisher準則的半監督數據降維方法
2.8特徵提取新視角：基於Parzen窗估計的方法
2.8.1 Parzen窗
2.8.2 Parzen窗與LPP
2.8.3 Parzen窗與LDA
2.8.4 Parzen窗與PCA
2.8.5推廣性結論

第3章基於數據分佈特徵的智能分類方法
3.1背景知識
3.1.1支持向量機
3.1.2支持向量數據描述
3.1.3流形判別分析
3.1.4模糊理論
3.1.5核心向量機
3.2基於流形判別分析的全局保序學習機
3.2.1 GRPLM原理
3.2. 2大規模分類
3.3基於最大散度差的保序分類算法
3.3.1最優化問題
3.3.2大規模分類
3.4最小流形類內離散度支持向量機
3.4.1 MCVSVM
3.4.2最小MWCS支持向量機
3.4.3理論分析
3.5基於核密度估計與熵理論的最大間隔學習機
3.5.1核密度估計和熵理論
3.5.2 MEKLM原理
3.5.3理論分析

第4章基於決策邊界的智能分類方法
4.1支持向量數據描述
4.2具有NS磁極效應的最大間隔模糊分類器
4.2.1 NS磁極效應
4.2.2 MPMMFC原理
4.2.3理論分析
4.3基於光束角思想的最大間隔學習機
4.3.1光束角
4.3.2 BAMLM原理
4.3 .3 CCMEB及BACVM
4.4面向大規模數據的模糊支持向量數據描述
4.4.1模糊支持向量數據描述
4.4.2 FSVDD-CVM
4.5基於信度的BP神經網絡
4.5.1 BP神經網絡
4.5.2基於信度的BP算法

第5章天文數據挖掘研究進展
5.1引言
5.2大型巡天項目
5.3天文數據的特點
5.4天文學中的數據挖掘
5.4.1天文數據挖掘的必要性
5.4.2天文數據挖掘的主要任務
5.5天文數據挖掘應用研究
5.6光譜自動分類方法研究

第6章基於支持向量機及其變種的恆星光譜分類方法
6.1基於流形模糊雙支持向量機的恆星光譜分類方法
6.1.1雙支持向量機
6.1.2流形模糊雙支持向量機
6.1.3實驗分析
6.1.4結論
6.2基於多類支持向量機的恆星光譜分類方法
6.2.1多類支持向量機
6.2.2實驗分析
6.2.3結論
6.3基於流形判別分析和支持向量機的恆星光譜數據自動分類方法
6.3.1基於流形判別分析的支持向量機
6.3.2實驗分析
6.3.3結論
6.4基於最小類內散度、最大類間散度支持向量機的恆星光譜分類
6.4.1 MMSVM
6.4.2實驗分析
6.4.3結論
6.5基於模糊最小類內散度支持向量機的恆星光譜分類
6.5.1 FMWSVM
6.5.2實驗分析
6.5.3結論

第7章稀有天體光譜自動發現方法
7.1利用基於熵的單類學習機發現稀有光譜
7.1 .1熵理論
7.1.2基於熵的單類學習機
7.1.3基於核心向量機的OCLM
7.1.4實驗分析
7.1.5結論
7.2利用基於互信息的非平衡分類方法識別稀有光譜
7.2.1背景知識
7.2.2決策樹的構造
7.2.3剪枝方法
7.2.4基於互信息的代價缺失決策樹
7.2.5實驗分析
7.2.6結論
7.3基於模糊大間隔最小球分類模型的恆星光譜離群數據挖掘方法
7.3.1模糊大間隔最小球分類模型
7.3.2實驗分析
7.3.3結論

第8章恆星光譜自動分類方法新發展
8.1基於非線性學習機的大規模恆星光譜分類方法
8.1.1非線性集成學習機
8.1.2實驗分析
8.1.3結論
8.2基於Fisher準則和流形學習的恆星光譜分類方法
8.2.1基於Fisher準則和流形學習的分類方法
8.2.2 CFCM與傳統降維方法的關係
8.2.3實驗分析
8.2.4結論
8.3利用帶無標籤數據的雙支持向量機對恆星光譜分類
8.3.1帶無標籤數據的雙支持向量機
8.3.2算法描述
8.3.3實驗分析
8.3.4結論

第9章天文大數據挖掘
9.1研究背景
9.1.1天文大數據
9.1.2大數據處理技術
9.2天文大數據處理的關鍵技術
9.2.1天文大數據處理框架
9.2.2天文大數據分佈式存儲技術
9.2 .3天文大數據並行化計算技術
9.2.4天文大數據分析方法
9.2.5天文大數據處理技術存在的問題與不足
9.3天文大數據機器學習
9.3.1研究背景和問題
9.3.2天文大數據機器學習系統的特徵
9.3.3主要研究問題
9.3.4研究進展

參考文獻