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
機器學習關鍵技術及應用 版權信息
- ISBN：9787122429407
- 條形碼：9787122429407 ; 978-7-122-42940-7
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習關鍵技術及應用 本書特色
本書從工業背景下的機器學習技術需求出發，詳細討論機器學習的各個分支技術，包括矩陣型分類學習技術、多視角學習技術、不平衡數據分類學習技術、集成學習技術和深度學習技術等，并在此基礎上，對機器學習相關的應用系統進行了分析。
機器學習關鍵技術及應用 內容簡介
本書詳細討論工業背景下機器學習的各個分支及其實現技術，包括矩陣型分類學習技術、多視角學習技術、不平衡數據分類學習技術、集成學習技術和深度學習技術，并在此基礎上，對機器學習在腦電情感識別、聲紋識別和圖像分類等領域的應用做了介紹。 本書主要面向對機器學習、人工智能等方向感興趣的學者和從事該方面研究的技術人員、博士、碩士研究生等。
機器學習關鍵技術及應用 目錄
第1章 緒論 001
1.1 工業發展與機器學習 002
1.2 矩陣型分類學習 004
1.3 多視角學習 005
1.4 不平衡數據分類學習 007
1.5 集成學習 010
1.6 深度學習 010
參考文獻 013
第2章 矩陣型分類學習 017
2.1 矩陣型方法概述 018
2.2 局部敏感判別矩陣學習機 020
2.2.1 LSDMatMHKS算法 020
2.2.2 實驗與分析 027
2.3 矩陣多類學習機 041
2.3.1 McMatMHKS模型 041
2.3.2 實驗 043
2.3.3 分析討論 054
2.4 基于向量分離策略的高效矩陣型分類器 056
2.4.1 EMatMHKS模型 056
2.4.2 基于向量分離策略的高效矩陣型分類器 057
2.4.3 實驗與分析 061
參考文獻 077
第3章 多視角學習 081
3.1 概述 082
3.2 先驗信息融合的正則化型分類器 084
3.2.1 挖掘數據先驗信息 084
3.2.2 多核學習與經驗核映射 085
3.2.3 TSMEKL模型 088
3.2.4 實驗 093
3.2.5 推廣風險分析 105
3.3 Nystr?m近似矩陣的多核學習算法 108
3.3.1 多核學習算法 108
3.3.2 NMKMHKS模型 110
3.3.3 實驗 114
3.4 Universum的多視角分類學習算法 127
3.4.1 多視角學習算法 127
3.4.2 UMultiV-MHKS模型 127
3.4.3 實驗 132
參考文獻 149
第4章 不平衡數據分類學習 153
4.1 概述 154
4.2 基于數據空間信息的樣本選擇方法 156
4.2.1 樣本選擇框架NearCount 156
4.2.2 實驗結果分析與討論 164
4.3 基于二叉樹結構的數據空間分治策略 185
4.3.1 SPT算法 185
4.3.2 實驗結果分析與討論 195
4.4 基于熵和萬有引力的動態半徑近鄰分類器 216
4.4.1 EGDRNN模型 216
4.4.2 實驗 222
4.4.3 分析討論 232
參考文獻 236
第5章 集成學習 239
5.1 概述 240
5.2 基于視角間相似度損失的多經驗核集成學習模型 242
5.2.1 多視角與核學習的方法 242
5.2.2 MVE-EK算法模型 245
5.2.3 實驗與分析 251
5.3 基于數據全局空間特性的多平衡子集協同訓練算法 263
5.3.1 多平衡子集協同訓練算法 263
5.3.2 基于數據全局空間特性的多平衡子集協同訓練算法 264
5.3.3 實驗與分析 268
5.4 基于熵與置信度的下采樣Boosting集成 294
5.4.1 基于熵與置信度的下采樣Boosting集成方法 294
5.4.2 ECUBoost算法模型 295
5.4.3 實驗與分析 301
參考文獻 320
第6章 深度學習 323
6.1 概述 324
6.2 基于擾動的助推器網絡驅動協同訓練模型 327
6.2.1 歸納式半監督的方法 327
6.2.2 BDCT模型 328
6.2.3 實驗與分析 335
6.3 強制平滑的投影梯度下降對抗訓練模型 345
6.3.1 防御對抗攻擊的方法 345
6.3.2 SEAT模型 347
6.3.3 實驗與分析 351
6.4 面向多標簽圖像分類的融合先驗信息的語義補充模型 362
6.4.1 多標簽圖像分類的方法 362
6.4.2 融合先驗信息的語義補充模型（SSNP） 364
6.4.3 實驗結果與分析 369
參考文獻 376
第7章 應用案例 381
7.1 腦電信號自動情感識別 382
7.1.1 腦電情感識別算法的應用與發展 382
7.1.2 腦電信號的類別與特點 382
7.1.3 腦電信號自動情感識別系統 387
7.1.4 總結 410
7.2 基于語音的生物認證系統 413
7.2.1 語音生物認證技術的研究背景 413
7.2.2 基于多網絡集成的聲紋識別系統描述 414
7.2.3 總結 426
7.3 面向圖像分類的半監督學習系統 426
7.3.1 圖像分類技術發展 426
7.3.2 基于半監督學習的圖像分類系統 429
7.3.3 總結 438
參考文獻 440
1.1 工業發展與機器學習 002
1.2 矩陣型分類學習 004
1.3 多視角學習 005
1.4 不平衡數據分類學習 007
1.5 集成學習 010
1.6 深度學習 010
參考文獻 013
第2章 矩陣型分類學習 017
2.1 矩陣型方法概述 018
2.2 局部敏感判別矩陣學習機 020
2.2.1 LSDMatMHKS算法 020
2.2.2 實驗與分析 027
2.3 矩陣多類學習機 041
2.3.1 McMatMHKS模型 041
2.3.2 實驗 043
2.3.3 分析討論 054
2.4 基于向量分離策略的高效矩陣型分類器 056
2.4.1 EMatMHKS模型 056
2.4.2 基于向量分離策略的高效矩陣型分類器 057
2.4.3 實驗與分析 061
參考文獻 077
第3章 多視角學習 081
3.1 概述 082
3.2 先驗信息融合的正則化型分類器 084
3.2.1 挖掘數據先驗信息 084
3.2.2 多核學習與經驗核映射 085
3.2.3 TSMEKL模型 088
3.2.4 實驗 093
3.2.5 推廣風險分析 105
3.3 Nystr?m近似矩陣的多核學習算法 108
3.3.1 多核學習算法 108
3.3.2 NMKMHKS模型 110
3.3.3 實驗 114
3.4 Universum的多視角分類學習算法 127
3.4.1 多視角學習算法 127
3.4.2 UMultiV-MHKS模型 127
3.4.3 實驗 132
參考文獻 149
第4章 不平衡數據分類學習 153
4.1 概述 154
4.2 基于數據空間信息的樣本選擇方法 156
4.2.1 樣本選擇框架NearCount 156
4.2.2 實驗結果分析與討論 164
4.3 基于二叉樹結構的數據空間分治策略 185
4.3.1 SPT算法 185
4.3.2 實驗結果分析與討論 195
4.4 基于熵和萬有引力的動態半徑近鄰分類器 216
4.4.1 EGDRNN模型 216
4.4.2 實驗 222
4.4.3 分析討論 232
參考文獻 236
第5章 集成學習 239
5.1 概述 240
5.2 基于視角間相似度損失的多經驗核集成學習模型 242
5.2.1 多視角與核學習的方法 242
5.2.2 MVE-EK算法模型 245
5.2.3 實驗與分析 251
5.3 基于數據全局空間特性的多平衡子集協同訓練算法 263
5.3.1 多平衡子集協同訓練算法 263
5.3.2 基于數據全局空間特性的多平衡子集協同訓練算法 264
5.3.3 實驗與分析 268
5.4 基于熵與置信度的下采樣Boosting集成 294
5.4.1 基于熵與置信度的下采樣Boosting集成方法 294
5.4.2 ECUBoost算法模型 295
5.4.3 實驗與分析 301
參考文獻 320
第6章 深度學習 323
6.1 概述 324
6.2 基于擾動的助推器網絡驅動協同訓練模型 327
6.2.1 歸納式半監督的方法 327
6.2.2 BDCT模型 328
6.2.3 實驗與分析 335
6.3 強制平滑的投影梯度下降對抗訓練模型 345
6.3.1 防御對抗攻擊的方法 345
6.3.2 SEAT模型 347
6.3.3 實驗與分析 351
6.4 面向多標簽圖像分類的融合先驗信息的語義補充模型 362
6.4.1 多標簽圖像分類的方法 362
6.4.2 融合先驗信息的語義補充模型（SSNP） 364
6.4.3 實驗結果與分析 369
參考文獻 376
第7章 應用案例 381
7.1 腦電信號自動情感識別 382
7.1.1 腦電情感識別算法的應用與發展 382
7.1.2 腦電信號的類別與特點 382
7.1.3 腦電信號自動情感識別系統 387
7.1.4 總結 410
7.2 基于語音的生物認證系統 413
7.2.1 語音生物認證技術的研究背景 413
7.2.2 基于多網絡集成的聲紋識別系統描述 414
7.2.3 總結 426
7.3 面向圖像分類的半監督學習系統 426
7.3.1 圖像分類技術發展 426
7.3.2 基于半監督學習的圖像分類系統 429
7.3.3 總結 438
參考文獻 440
展開全部
書友推薦
- >
月亮與六便士
- >
回憶愛瑪儂
- >
莉莉和章魚
- >
李白與唐代文化
- >
名家帶你讀魯迅:朝花夕拾
- >
史學評論
- >
苦雨齋序跋文-周作人自編集
- >
隨園食單
本類暢銷
