掃一掃
關注中圖網
官方微博
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
買過本商品的人還買了
模式分類的集成方法 版權信息
- ISBN：9787118103977
- 條形碼：9787118103977 ; 978-7-118-10397-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
模式分類的集成方法 本書特色
羅卡赫編*的這本《模式分類的集成方法》主要討論了集成學習的概念、構成、作用及其*新研究成果，重點介紹了*新的、高效且實用的集成學習算法，給出了分類識別的大量應用實例，總結了作者近年來在模式識別中的理論和應用研究成果。除了介紹許多重要經典的內容以外，書中還包括了*近十幾年來剛剛發展起來的并被實踐證明有用的新技術、新理論。并將這些新技術應用于模式識別當中，同時提供這些新技術的實現方法和java程序源代碼及相應的實驗數據，對于讀者的自學和算法驗證非常有利。針對其中*具有代表性的幾種算法，對其工作機制進行深入研究，并利用大量的數值試驗對算法的性能進行多方面的考查。主要內容包括：模式分類概述；集成學習的基本理論；分類器組合；經典的集成方法；集成分類的各子模塊方法；集成多樣性；集成選擇；集成算法的評價。這些探討不僅對集成學習領域的研究具有非常重要的理論意義，而且也具有很強的實用參考價值。
模式分類的集成方法 內容簡介
本書主要內容包括: 模式分類概述、集成學習概述、集成分類、集成的多樣性、集成選擇、誤差糾錯輸出編碼、分類器集成的評價。
模式分類的集成方法 目錄
第1章 模式分類概述 1.1 模式分類 1.2 誘導算法 1.3 規則推導 1.4 決策樹 1.5 貝葉斯方法 1.5.1 概述 1.5.2 樸素貝葉斯方法 1.5.3 其他貝葉斯方法 1.6 其他誘導方法 1.6.1 神經網絡 1.6.2 遺傳算法 1.6.3 基于示例的學習 1.6.4 支持向量機第2章 集成學習概述 2.1 回到起源 2.2 群體的智慧 2.3 bagging算法 2.4 boosting算法 2.5 adaboost算法 2.6 沒有免費的午餐理論和集成學習 2.7 偏差解構和集成學習 2.8 occam剃刀和集成學習 2.9 分類器相關性 2.9.1 相關性方法 2.9.2 獨立方法 2.10 用于復雜分類任務的集成方法 2.10.1 代價敏感的分類 2.10.2 用于概念漂移學習的集成 2.10.3 拒絕驅動分類第3章 集成分類 3.1 融合方法 3.1.1 加權方法 3.1.2 多數投票法 3.1.3 性能加權法 3.1.4 分布求和法 3.1.5 貝葉斯聯合法 3.1.6 dempste-shafer推理法 3.1.7 bgging方法 3.1.8 樸素貝葉斯方法 3.1.9 熵加權法 3.1.10 基于密度的加權方法 3.1.11 dea加權法 3.1.12 對數評價池法 3.1.13 順序統計法 3.2 選擇性分類 3.2.1 劃分示例空間 3.3 專家混合與元學習 3.3.1 stacking算法 3.3.2 仲裁樹 3.3.3 組合樹 3.3.4 分級法 3.3.5 門網絡法第4章 集成的多樣性 4.1 概述 4.2 操控誘導器 4.2.1 操控誘導器的參數 4.2.2 假設空間的初始點 4.2.3 假設空間的遍歷 4.3 操控訓練樣本 4.3.1 重采樣 4.3.2 樣本創建 4.3.3 樣本劃分 4.4 操控目標屬性表示 4.4.1 類標轉換 4.5 劃分搜索空間 4.5.1 劃分和競爭法 4.5.2 基于特征子集的集成方法 4.6 多類型誘導器 4.7 多樣性度量第5章 集成選擇 5.1 集成選擇 5.2 集成規模的預選取 5.3 訓練階段集成規模的選擇 5.4 刪減——集成規模的后選擇 5.4.1 基于排序的方法 5.4.2 基于搜索的方法 5.4.3 基于聚類的方法 5.4.4 刪減時機第6章 誤差糾錯輸出編碼 6.1 多類問題的編碼矩陣分解 6.2 類型i：給定編碼矩陣的集成訓練方法 6.2.1 糾錯輸出編碼 6.2.2 編碼矩陣框架 6.2.3 編碼矩陣的設計 6.2.4 正交排列(oa) 6.2.5 hadamard矩陣 6.2.6 概率糾錯輸出編碼 6.2.7 其他ecoc策略 6.3 類型ii：多類問題的自適應編碼矩陣第7章 分類器集成的評價 7.1 泛化誤差 7.1.1 泛化誤差的理論估計 7.1.2 泛化誤差的實驗估計 7.1.3 精度度量的替代者 7.1.4 f-度量 7.1.5 混淆矩陣 7.1.6 在有限資源下的分類器的評價 7.1.7 用于對比集成的統計測試 7.2 計算復雜度 7.3 集成結果的可解釋性 7.4 大規模數據的可量測性 7.5 魯棒性 7.6 穩定性 7.7 靈活性 7.8 可用性 7.9 軟件實用性 7.10 應該選用哪個集成方法參考文獻高新科技譯叢叢書書目
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
史學評論
- >
莉莉和章魚
- >
伊索寓言-世界文學名著典藏-全譯本
- >
經典常談
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
月亮虎
本類暢銷
