scientific data mining

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

scientific data mining目录
1 Introduction 1
2 Data Mining in Science and Engineering 5
2.1 Astronomy and astrophysics . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Remote sensing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Biological sciences . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Security and surveillance . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Computer simulations . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6 Experimental physics . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Information retrieval . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.8 Other applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.9 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.10 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 39
3 Common Themes in Mining Scientific Data 41
3.1 Types of scientific data . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Characteristics of scientific data . . . . . . . . . . . . . . . . . . . . . 46
3.3 Characteristics of scientific data analysis . . . . . . . . . . . . . . . . 53
3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 56
4 The Scientific Data Mining Process 57
4.1 The tasks in the scientific data mining process . . . . . . . . . . . . . 57
4.2 General observations about the scientific data mining process . . . . . 64
4.3 Defining scientific data mining: The rationale . . . . . . . . . . . . . 65
4.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5 Reducing the Size of the Data 67
5.1 Sampling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 Multiresolution techniques . . . . . . . . . . . . . . . . . . . . . . . 70
5.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.4 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 77
6 Fusing Different Data Modalities 79
6.1 The need for data fusion . . . . . . . . . . . . . . . . . . . . . . . . . 80
6.2 Levels of data fusion . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
6.3 Sensor-level data fusion . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.3.2 Image registration . . . . . . . . . . . . . . . . . . . . . 85
6.4 Feature-level data fusion . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.5 Decision-level data fusion . . . . . . . . . . . . . . . . . . . . . . . . 91
6.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.7 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 92
7 Enhancing Image Data 93
7.1 The need for image enhancement . . . . . . . . . . . . . . . . . . . . 94
7.2 Image denoising . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.3 Contrast enhancement . . . . . . . . . . . . . . . . . . . . . . . . . . 107
7.4 Morphological techniques . . . . . . . . . . . . . . . . . . . . . . . . 110
7.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.6 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 111
8 Finding Objects in the Data 113
8.1 Edge-based techniques . . . . . . . . . . . . . . . . . . . . . . . . . . 114
8.2 Region-based methods . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.3 Salient regions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.4 Detecting moving objects . . . . . . . . . . . . . . . . . . . . . . . . 132
8.5 Domain-specific approaches . . . . . . . . . . . . . . . . . . . . . . . 135
8.6 Identifying unique objects . . . . . . . . . . . . . . . . . . . . . . . . 136
8.7 Postprocessing for object identification . . . . . . . . . . . . . . . . . 138
8.8 Representation of the objects . . . . . . . . . . . . . . . . . . . . . . 138
8.9 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
8.10 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 139
9 Extracting Features Describing the Objects 141
9.1 General requirements for a feature . . . . . . . . . . . . . . . . . . . 142
9.2 Simple features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
9.3 Shape features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
9.4 Texture features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
9.5 Problem-specific features . . . . . . . . . . . . . . . . . . . . . . . . 153
9.6 Postprocessing the features . . . . . . . . . . . . . . . . . . . . . . . 157
9.7 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
9.8 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 160
10 Reducing the Dimension of the Data 161
10.1 The need for dimension reduction . . . . . . . . . . . . . . . . . . . . 162
10.2 Feature transform methods . . . . . . . . . . . . . . . . . . . . . . . 164
10.3 Feature subset selection methods . . . . . . . . . . . . . . . . . . . . 168
10.4 Domain-specific methods . . . . . . . . . . . . . . . . . . . . . . . . 172
10.5 Representation of high-dimensional data . . . . . . . . . . . . . . . . 174
10.6 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
10.7 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 175
11 Finding Patterns in the Data 177
11.1 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
11.2 Classification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
11.3 Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
11.4 Association rules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
11.5 Tracking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
11.6 Outlier or anomaly detection . . . . . . . . . . . . . . . . . . . . . . 204
11.7 Related topics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
11.7.2 Optimization techniques . . . . . . . . . . . . . . . . . . 206
11.8 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
11.9 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 207
12 Visualizing the Data and Validating the Results 209
12.1 Visualizing table data . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.1.1 Box plots . . . . . . . . . . . . . . . . . . . . . . . . . . 210
12.1.2 Scatter plots . . . . . . . . . . . . . . . . . . . . . . . . 211
12.1.3 Parallel plots . . . . . . . . . . . . . . . . . . . . . . . . 212
12.2 Visualizing image and mesh data . . . . . . . . . . . . . . . . . . . . 214
12.3 Validation of results . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
12.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
12.5 Suggestions for further reading . . . . . . . . . . . . . . . . . . . . . 219
13 Scientific Data Mining Systems 221
13.1 Software for specific tasks in scientific data mining . . . . . . . . . . 222
13.2 Software systems for scientific data mining . . . . . . . . . . . . . . . 222
13.3 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
14 Lessons Learned, Challenges, and Opportunities 229
14.1 Guidelines for getting started . . . . . . . . . . . . . . . . . . . . . . 230
14.2 Challenges and opportunities . . . . . . . . . . . . . . . . . . . . . . 232
14.3 Concluding remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . 233

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Data Mining Scientific Data ning Mini Mining Data Scientific

太感谢了    ！！！！！！！！！

不错的书！！！

谢谢楼主的分享