●前言
第1章大數據及相關概念
1.1大數據的產生背景
1.1.1物理空間、信息空間與賽博空間
1.1.2賽博空間中的數據爆炸
1.1.3數據量快速增長的原因
1.2大數據和大數據時代
1.2.1大數據定義及屬性
1.2.2大數據的深層次含義解讀
1.2.3大數據時代的特點
1.3大數據與傳統數據的區別
1.3.1從量子力學、復雜繫統到大數據
1.3.2主要區別
1.4大數據時代的科學發現之路
1.4.1科學研究方法的更新
1.4.2與傳統研究方法的區別
1.4.3“谷歌式”關聯研究方法的條件及價值
1.5大數據帶來的挑戰及機遇
1.5.1挑戰
1.5.2機遇
第2章大數據理論研究
2.1大數據理論的本質依據
2.1.1因果性和相關性
2.1.2大數據情緒理論
2.1.3理論模型探究
2.1.4大數據理論研究的整體框架
2.2大數據處理流程和技術體繫
2.2.1大數據處理的一般流程
2.2.2大數據應用的技術體繫
第3章大數據面臨的主要問題
3.1面向大數據處理流程的主要問題及其相互關繫
3.2獲取問題
3.2.1大數據獲取
3.2.2網絡爬蟲問題描述
3.3存儲和管理問題
3.3.1信息存儲技術和存儲繫統
3.3.2圖像壓縮編碼問題
3.4信息檢索
3.4.1信息檢索的基本定義及模型
3.4.2文本挖掘及其存在的問題
3.5數據挖掘
3.5.1數據挖掘產生背景
3.5.2數據挖掘問題本質
3.5.3大數據環境下的數據挖掘挑戰及問題
3.6知識發現
3.6.1知識發現及其基本步驟
3.6.2模式評價
3.6.3模式可視化
3.6.4模式評價及優化問題描述
第4章計算智能基礎
4.1計算智能研究現狀及趨勢
4.2計算智能的定義
4.3計算智能體繫化分類研究及其混合算法一般性設計
4.3.1計算智能分類方法概述
4.3.2基於模擬機制的計算智能分類方法
4.4有機機制模擬
4.4.1基於種群的模擬
4.4.2基於個體的模擬
4.4.3基於個體模擬的層次結構
4.5無機機制模擬
4.6人造機制模擬
4.7基於SMB的計算智能混合算法一般性設計
4.8計算智能混合方法的研究
4.8.1模糊神經網
4.8.2基於進化計算的模糊建模
4.9計算智能的未來探索
第5章計算智能與大數據處理
5.1計算智能在數據獲取中的應用
5.1.1常見的網絡爬蟲搜索策略
5.1.2基於估價函數的啟發式搜索策略
5.2計算智能在數據存儲中的應用
5.2.1粒群優化算法
5.2.2粒群優化算法的數學抽像和流程
5.2.3基於粒群優化的LBG改進算法
5.3計算智能在信息檢索中的應用
5.3.1特征選擇
5.3.2基於模擬退火的特征選擇
5.3.3基於禁忌搜索的特征選擇
5.4計算智能在數據挖掘中的應用
5.4.1支持向量機
5.4.2模糊聚類及其算法優化方案
5.5計算智能在知識發現中的應用
5.5.1多維時間序列數據挖掘及其模式表達
5.5.2基於GA的模式評價及優化
第6章計算智能在大數據領域的應用前景展望
6.1蓬勃發展的大數據
6.1.1Hadoop平臺
6.1.2Spark平臺
6.1.3NoSQL
6.2大數據應用案例
6.2.1圍棋人工智能程序AlphaGo
6.2.2深度問答繫統
6.2.3互聯網企業大數據
6.3方興未艾的計算智能
6.3.1大數據分析中的計算智能方法
6.3.2存在的問題和進一步的研究方向
參考文獻

隨著信息爆炸產生的海量數據時代的來臨，數據中所蘊含的價值將會對人類社會產生直接的，全面的，甚至是革命性的影響。因此，在大數據背景下，有效地分析，組織和使用各類數據，將對科技進步以及經濟發展產生巨大的推動作用，孕育出靠前的機遇。針對大數據技術體繫架構，本著作總結出在大數據處理流程中，所面臨不同層面的問題及其相互關繫，歸納出解決大數據環境下三大核心問題（信息檢索，數據挖掘和知識發現）的算法特性及計算能力。同時，通過深入了解智能理論起源及與傳統人工智能進行對比，本著作研究計算智能理論及其各分支算法，詳細介紹其計算本質，提出了基於模擬機制的計算智能分類方法，並對計算智能混合算法進行了深入討論。最後，面向大數據檢索、挖掘和發現問題，分別提出了基於計算智能的解決方法和一般過程，並總結出基於計算智能的大數據處理範式特點，為大數據背景下的計算智能研究提供了理論支撐。通過收集風電機組的發電指標、關鍵零部件的等