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
機器學習算法與應用 版權信息
- ISBN：9787302586142
- 條形碼：9787302586142 ; 978-7-302-58614-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習算法與應用 本書特色
本書融合了Matlab、線性代數、優化理論和機器學習算法，并介紹了算法實現和機器學習綜合應用、機器學習和深度學習的工程應用等。本書深入淺出，難度適中，具有系統性、完整性、可閱讀性、應用性和前瞻性，是一本很好的機器學習教材和人工智能參考書。
機器學習算法與應用 內容簡介
《機器學習算法與應用》主要內容包括機器學習中的相關數學基礎（線性代數、概率統計與信息論、**化方法和張量分析），樣本數據的處理，機器學習的各種主流算法，基于MATLAB的機器學習算法的實現與機器學習綜合應用，機器學習和深度學習的工程應用。本書特色是深入淺出，自成體系，注重基礎理論的描述，具有系統性、完整性、可閱讀性、應用性和前瞻性。本書可作為高等院校研究生和本科生機器學習相關課程的教材，還可作為與人工智能相關機構研究人員的參考書。
機器學習算法與應用 目錄
目 錄
第 1 章 緒論 1
1.1 機器學習的定義 1
1.2 機器學習的種類 1
1.3 機器學習的應用 5
1.4 網上公開的部分機器學習數據庫 9
**部分 機器學習中的數學基礎
第 2 章 線性代數 13
2.1 標量、向量、矩陣和張量 13
2.2 矩陣的運算 14
2.3 特殊矩陣 16
2.4 線性空間、線性相關和線性變換 16
2.5 內積與范數 17
2.6 矩陣分解 19
2.7 Moore-Penrose 偽逆 20
2.8 MATLAB 函數和示例 21
第 3 章 概率統計與信息論 24
3.1 隨機事件及其概率 24
3.2 隨機變量及其概率分布 25
3.3 邊緣概率與條件概率 27
3.4 獨立性、全概率公式和貝葉斯公式 28
3.5 隨機變量的數字特征 29
3.6 常用概率分布 30
3.7 數理統計基礎 33
3.8 統計推斷 35
3.9 信息論 37
3.10 MATLAB 函數和示例 38
第 4 章 *優化方法 41
4.1 拉格朗日乘子法與 KKT 條件 41
4.2 梯度下降法和共軛梯度法 45
4.3 牛頓法和擬牛頓法 48
4.4 坐標下降法 50
4.5 啟發式智能優化算法 51
4.6 基于 MATLAB 的優化求解 54
第 5 章 張量分析 57
5.1 基本概念與運算 57
5.2 張量的經典分解 60
5.3 張量奇異值分解 64
5.4 MATLAB 函數與示例 65
第二部分 樣本數據的處理
第 6 章 核（Kernel）方法 71
6.1 核函數引入 71
6.2 正定核函數 74
6.3 正定核函數的等價定義 74
6.4 常用的核函數及其 MATLAB 實現 76
第 7 章 主成分分析（PCA）與核主成分分析（KPCA） 79
7.1 算法定義 79
7.2 算法原理 79
7.3 KPCA 84
7.4 舉例 86
第 8 章 線性判別分析（LDA）與核線性判別分析（KLDA） 101
8.1 算法定義 101
8.2 算法原理 101
8.3 LDA 與 PCA 比較 109
8.4 應用舉例 109
第三部分 監 督 學 習
第 9 章 線性回歸 121
9.1 線性回歸模型 121
9.2 線性回歸的原理 123
9.3 多元線性回歸算法實現及應用 133
9.4 基于核的線性回歸 139
第 10 章 邏輯回歸 147
10.1 邏輯回歸的背景 147
10.2 邏輯回歸的原理 148
10.3 邏輯回歸算法的實現 152
第 11 章 貝葉斯分類器 163
11.1 算法定義 163
11.2 算法原理 163
11.3 算法實現及應用舉例 164
第 12 章 決策樹 174
12.1 算法定義 174
12.2 算法原理 174
12.3 決策樹模型評估 178
12.4 算法舉例 179
第 13 章 隨機森林 194
13.1 算法定義 194
13.2 算法原理 195
13.3 算法實現及應用 197
第 14 章 支持向量機（SVM） 215
14.1 算法定義 215
14.2 算法原理 215
14.3 應用舉例 226
第 15 章 人工神經網絡 238
15.1 神經元模型 238
15.2 感知機與多層網絡 239
15.3 反向傳播算法 241
15.4 神經網絡的實現 243
15.5 卷積神經網絡 244
15.6 經典深度神經網路 246
15.7 神經網絡的應用 253
15.8 MATLAB 函數與示例 255
第四部分 無監督學習
第 16 章 k-means 聚類方法 259
16.1 k-means 算法原理 260
16.2 k-means 算法的優缺點 262
16.3 聚類個數建議 265
16.4 k-means 算法的實現及應用舉例 266
第 17 章 模糊 C 均值（FCM）聚類 271
17.1 FCM 聚類算法原理 271
17.2 FCM 算法實現及應用舉例 274
17.3 FCM 與 k-means 算法的比較 278
第 18 章 改進的模糊 C 均值聚類 279
18.1 PFCM 聚類算法 279
18.2 KFCM 聚類算法 284
18.3 SSFCM 聚類算法 288
18.4 聚類算法的量化評估和圖像分割的比較 293
第五部分 應 用
第 19 章 機器學習算法的綜合應用 303
19.1 鳶尾屬植物的分類與聚類 303
19.2 基于 PCA 和 KPCA 預處理的乳腺細胞分類與聚類 308
19.3 基于 LDA 和 KLDA 預處理的酒的分類與聚類 317
第 20 章 機器學習和深度學習的工程應用 328
20.1 基于 SVM 的天氣雷達回波干擾圖像的分類 328
20.2 基于 FCM 的變密度光條紋圖像的濾波 333
20.3 基于 FCM 的光條紋圖像的二值化 336
20.4 基于 ANN 的全場相位的插值 338
20.5 基于全卷積神經網絡的多尺度視網膜圖像血管分割 342
20.6 基于卷積神經網絡 ESPI 條紋圖濾波 345
20.7 基于 M-Net 分割網絡的光條紋骨架線提取 348
專業術語中英文對照表 353
展開全部
機器學習算法與應用 作者簡介
唐晨 博士，天津大學電氣自動化與信息工程學院教授，國家自然科學基金和教育部學位論文評審專家。多年主講本科生及研究生機器學習相關課程，在國內外重要學術期刊發表論文100余篇，主持或參與多項國家、省部級科研項目，以第一發明人獲得授權專利10余項。主要研究方向：機器學習和深度學習方法研究及在圖像處理、大數據和信息安全等領域中的應用等。 付樹軍 博士，山東大學數學學院科學計算與軟件研究所教授，博士生導師，山東大學承勢公共安全大數據研究中心主任。國家自然科學基金、國家教育部科研基金和科技獎勵、山東省科技計劃項目評審專家。中國圖像圖形學學會交通視頻專委會副主任委員，山東省計算數學學會常務委員，山東省大數據研究會副秘書長。發表論文100余篇，主持或參與20余項省部級以上科研項目，申請專利14項。主要研究方向：圖像處理和計算機視覺、醫學圖像分析、大數據計算等。 徐巖 博士，天津大學電氣自動化與信息工程學院副教授。多年來一直從事機器學習、深度學習、模式識別、圖像處理等領域的研究，主持或參與多項國家自然科學基金、天津市自然科學基金、企業合作等科研項目，以第一作者或通訊作者在SCI、EI、核心期刊發表學術論文40余篇，以第一發明人獲得授權專利10余項。
書友推薦
- >
我從未如此眷戀人間
- >
巴金－再思錄
- >
月亮虎
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
月亮與六便士
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
羅庸西南聯大授課錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
