×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
暂无评论
图文详情
  • ISBN:9787302496595
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:158
  • 出版时间:2018-01-01
  • 条形码:9787302496595 ; 978-7-302-49659-5

本书特色

本书全面系统地介绍了机器学习的基本概念、预备知识、主要思想、研究进展、基础技术、应用技巧,并围绕当前机器学习领域的热点问题展开讨论。全书共11章,主要内容包括:决策树、神经网络、支持向量机、遗传算法、回归、聚类分析等内容。 066058 机器学习入门教材,基础理论与应用实践结合,案例采用MATLAB实现

内容简介

本书全面系统地介绍了机器学习的基本概念、预备知识、主要思想、研究进展、基础技术、应用技巧,并围绕当前机器学习领域的热点问题展开讨论。全书共11章,主要内容包括决策树、神经网络、支持向量机、遗传算法、回归、聚类分析等。 本书可作为高等院校计算机、软件工程、智能科学与技术等专业研究生和高年级本科生的教材,同时对于从事人工智能、数据挖掘、模式识别等相关技术人员也具有较高的参考价值。

目录


目录

第1章绪论


1.1从两个问题谈起


1.2模型评估与模型参数选择


1.2.1验证


1.2.2正则化


1.3机器学习算法分类


1.3.1监督学习


1.3.2非监督学习


习题


第2章回归


2.1线性回归


2.2Logistic回归


习题


第3章LDA主题模型


3.1LDA简介


3.2数学基础


3.2.1多项分布


3.2.2Dirichlet分布


3.2.3共轭先验分布


3.3LDA主题模型


3.3.1基础模型


3.3.2PLSA模型


3.3.3LDA模型


3.4LDA模型应用实例


3.4.1配置安装


3.4.2文本预处理


3.4.3使用Gensim


习题


第4章决策树


4.1决策树简介


4.1.1一个小例子


4.1.2几个重要的术语及决策树构造思路


4.2离散型决策树的构造


4.3连续性数值的处理


4.4决策树剪枝


习题


第5章支持向量机


5.1分离超平面与*大间隔


5.2线性支持向量机


5.2.1硬间隔


5.2.2软间隔


5.3非线性支持向量机


5.3.1核方法


5.3.2常用的核函数


5.4操作实例: 应用MATLAB多分类SVM、二分类SVM、决策树

算法进行分类


5.4.1数据集选择


5.4.2数据预处理


5.4.3模型表现


5.4.4经验总结


习题


第6章提升方法


6.1随机森林


6.1.1随机森林介绍


6.1.2Bootstrap Aggregation


6.1.3随机森林训练过程


6.1.4随机森林的优点与缺点


6.2Adaboost


6.2.1引入


6.2.2Adaboost实现过程


6.2.3Adaboost总结


6.3随机森林算法应用举例


6.3.1MATLAB中随机森林算法


6.3.2操作实例1: 基于集成方法的IRIS数据集分类


6.3.3操作实例2: 基于ensemble方法的人脸识别


习题


第7章神经网络基础


7.1基础概念


7.2感知机


7.2.1单层感知机


7.2.2多层感知机


7.3BP神经网络


7.3.1梯度下降


7.3.2后向传播


7.4径向基函数网络


7.4.1精确插值与径向基函数


7.4.2径向基函数网络


7.5Hopfield网络


7.5.1Hopfield网络的结构


7.5.2Hopfield网络的训练


7.5.3Hopfield网络状态转移


7.6Boltzmann机


7.7自组织映射网络


7.7.1网络结构


7.7.2训练算法


7.8实例: 使用MATLAB进行Batch Normalization


7.8.1浅识Batch Normalization


7.8.2MATLAB nntool使用简介


习题


第8章深度神经网络


8.1什么是深度神经网络


8.2卷积神经网络


8.2.1卷积神经网络的基本思想


8.2.2卷积操作


8.2.3池化层


8.2.4卷积神经网络


8.3循环神经网络


8.3.1循环单元


8.3.2通过时间后向传播


8.3.3带有门限的循环单元


8.4MATLAB深度学习工具箱简介


8.5利用Theano搭建和训练神经网络


8.5.1Theano简介


8.5.2Theano的基本使用


8.5.3搭建训练神经网络的项目


习题


第9章聚类算法


9.1简介


9.1.1聚类任务


9.1.2基本表示


9.2KMeans算法


9.2.1算法简介


9.2.2算法流程


9.2.3KMeans的一些改进


9.2.4选择合适的K


9.2.5XMeans


9.3层次聚类


9.4聚类算法拓展


9.4.1聚类在信号处理领域的应用


9.4.2以语义聚类的形式展示网络图像搜索结果


习题


第10章寻优算法之遗传算法


10.1简介


10.1.1算法起源


10.1.2基本过程


10.1.3基本表示


10.1.4输入输出


10.1.5优缺点及应用


10.2算法原型


10.2.1初始化


10.2.2评估


10.2.3选择优秀个体


10.2.4交叉


10.2.5变异


10.2.6迭代


10.3算法拓展


10.3.1精英主义思想


10.3.2灾变


习题


第11章项目实践: 基于机器学习的监控视频行人检测与追踪系统


11.1引言


11.2相关算法与指标


11.2.1方向梯度直方图


11.2.2支持向量机


11.2.3结构相似性


11.2.4HaarLike特征


11.2.5级联分类器


11.2.6特征脸


11.3系统设计与实现


11.3.1视频处理模块


11.3.2图像识别模块


11.3.3目标追踪模块


11.4系统测试


11.4.1测试环境


11.4.2系统单元测试与集成测试


11.4.3性能测试


11.4.4系统识别准确率测试


11.5结语


参考文献


展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航