中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
智能目標識別與分類 版權信息
- ISBN：9787030265470
- 條形碼：9787030265470 ; 978-7-03-026547-0
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能目標識別與分類 本書特色
《智能目標識別與分類》特點：視角新穎、學術水平高：《智能目標識別與分類》全面、系統地論述了計算智能方法在目標識別與分類領域的應用，反映了這一領域的國際*新進展。實用性強、深入淺出：《智能目標識別與分類》既具有極強的理論性，又具有充分的實驗例證，文字敘述簡潔，對算法的敘述標準規范，系統性強、覆蓋面廣、理論緊密結合實際。內容精煉、分析獨到：《智能目標識別與分類》緊緊圍繞智能信息處理與機器學習兩大主題進行論述，分析深入、實例充分，為目標識別，特別是復雜圖像目標的識別，提供了較新的思路和方法。
智能目標識別與分類 內容簡介
本書較為全面地介紹了模式識別的一個分支——機器學習的*新進展，深入分析了機器學習中的多個關鍵問題及多種快速稀疏學習方法，具體描述了機器學習在大規模數據識別與分類的工程設計與實現問題。
全書共10章，內容包括：緒論，統計學習理論、再生核技術與支撐矢量機算法，支撐矢量機理論基礎，先進支撐矢量機，核學習機，稀疏核支撐矢量機，快速大規模支撐矢量機，高分辨距離像識別，譜集成學習機，基于核學習的圖像識別。
本書可作為高等院校計算機、信號與信息處理，應用數學、信息管理與信息系統、電子商務等專業研究生和高年級本科生的教材，也可供計算機應用軟件開發人員和人工智能與模式識別方面的研究人員參考。
智能目標識別與分類 目錄
《智能科學技術著作叢書》序
前言
第1章 緒論
1.1 人工神經網絡的發展
1.2 bayes網絡的發展
1.3 正則技術的發展
1.4 統計學習理論的發展
1.5 核機器學習方法的發展
1.6 本書的主要內容
參考文獻
第2章 統計學習理論、再生核技術與支撐矢量機算法
2.1 統計學習理論
2.2 再生核與再生核hilbert空間
2.3 支撐矢量機算法
參考文獻
第3章 支撐矢量機理論基礎
3.1 支撐矢量機幾何特性分析
3.2 支撐矢量預選取的中心距離比值法
參考文獻
附錄
第4章 先進支撐矢量機
4.1 線性規劃支撐矢量機
4.2 無約束二次規劃回歸估計支撐矢量機
4.3 復值支撐矢量機
4.4 基于微分容量控制的學習機
4.5 基于決策樹的支撐矢量機多分類方法
參考文獻
附錄
第5章 核學習機
5.1 隱空間核機器
5.2 核函數的構造
5.3 基于父子波正交投影核的支撐矢量機
5.4 子波核函數網絡
5.5 核聚類算法
參考文獻
附錄
第6章 稀疏核支撐矢量機
6.1 bayes核機器
6.2 貪婪分階段支撐矢量機
6.3 特征標度核fisher判別分析
6.4 序列稀疏貪婪優化
參考文獻
附錄
第7章 快速大規模支撐矢量機；
7.1 基本域大規模支撐矢量回歸
7.2 大規模稀疏核機器clar—lasso
7.3 快速稀疏逼近*小二乘支撐矢量機
7.4 模糊核匹配追蹤學習機
7.5 集成核匹配追蹤學習機
參考文獻
第8章 高分辨距離像識別
8.1 平移不變的特征提取
8.2 mcpvc算法
8.3 性能評價
8.4 小結與討論
參考文獻
第9章 譜集成學習機
9.1 基于免疫克隆算法的選擇性支撐矢量機集成
9.2 基于特征選擇的支撐矢量機集成
9.3 譜聚類集成學習
9.4 基于分水嶺—譜聚類的圖像分割
9.5 譜協同神經網絡分類
參考文獻
第10章 基于核學習的圖像識別
10.1 基于核匹配追蹤的圖像識別
10.2 基于免疫克隆與核匹配追蹤的快速圖像目標識別
10.3 基于協同神經網絡的sar圖像識別
10.4 基于聚類學習的sar圖像識別
10.5 基于集成學習的sar圖像識別
參考文獻
前言
第1章 緒論
1.1 人工神經網絡的發展
1.2 bayes網絡的發展
1.3 正則技術的發展
1.4 統計學習理論的發展
1.5 核機器學習方法的發展
1.6 本書的主要內容
參考文獻
第2章 統計學習理論、再生核技術與支撐矢量機算法
2.1 統計學習理論
2.2 再生核與再生核hilbert空間
2.3 支撐矢量機算法
參考文獻
第3章 支撐矢量機理論基礎
3.1 支撐矢量機幾何特性分析
3.2 支撐矢量預選取的中心距離比值法
參考文獻
附錄
第4章 先進支撐矢量機
4.1 線性規劃支撐矢量機
4.2 無約束二次規劃回歸估計支撐矢量機
4.3 復值支撐矢量機
4.4 基于微分容量控制的學習機
4.5 基于決策樹的支撐矢量機多分類方法
參考文獻
附錄
第5章 核學習機
5.1 隱空間核機器
5.2 核函數的構造
5.3 基于父子波正交投影核的支撐矢量機
5.4 子波核函數網絡
5.5 核聚類算法
參考文獻
附錄
第6章 稀疏核支撐矢量機
6.1 bayes核機器
6.2 貪婪分階段支撐矢量機
6.3 特征標度核fisher判別分析
6.4 序列稀疏貪婪優化
參考文獻
附錄
第7章 快速大規模支撐矢量機；
7.1 基本域大規模支撐矢量回歸
7.2 大規模稀疏核機器clar—lasso
7.3 快速稀疏逼近*小二乘支撐矢量機
7.4 模糊核匹配追蹤學習機
7.5 集成核匹配追蹤學習機
參考文獻
第8章 高分辨距離像識別
8.1 平移不變的特征提取
8.2 mcpvc算法
8.3 性能評價
8.4 小結與討論
參考文獻
第9章 譜集成學習機
9.1 基于免疫克隆算法的選擇性支撐矢量機集成
9.2 基于特征選擇的支撐矢量機集成
9.3 譜聚類集成學習
9.4 基于分水嶺—譜聚類的圖像分割
9.5 譜協同神經網絡分類
參考文獻
第10章 基于核學習的圖像識別
10.1 基于核匹配追蹤的圖像識別
10.2 基于免疫克隆與核匹配追蹤的快速圖像目標識別
10.3 基于協同神經網絡的sar圖像識別
10.4 基于聚類學習的sar圖像識別
10.5 基于集成學習的sar圖像識別
參考文獻
展開全部
智能目標識別與分類 節選
《智能目標識別與分類》較為全面地介紹了模式識別的一個分支——機器學習的*新進展，深入分析了機器學習中的多個關鍵問題及多種快速稀疏學習方法，具體描述了機器學習在大規模數據識別與分類的工程設計與實現問題。全書共10章，內容包括：緒論，統計學習理論、再生核技術與支撐矢量機算法，支撐矢量機理論基礎，先進支撐矢量機，核學習機，稀疏核支撐矢量機，快速大規模支撐矢量機，高分辨距離像識別，譜集成學習機，基于核學習的圖像識別。《智能目標識別與分類》可作為高等院校計算機、信號與信息處理、應用數學、信息管理與信息系統、電子商務等專業研究生和高年級本科生的教材，也可供計算機應用軟件開發人員和人工智能與模式識別方面的研究人員參考。
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
巴金－再思錄
- >
莉莉和章魚
- >
經典常談
- >
名家帶你讀魯迅:故事新編
- >
月亮與六便士
- >
回憶愛瑪儂
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
