機器學(xué)習基礎簡(jiǎn)介，目錄書(shū)摘
本書(shū)全面系統地介紹了機器學(xué)習的基本概念、預備知識、主要思想、研究進(jìn)展、基礎技術(shù)、應用技巧，并圍繞當前機器學(xué)習領(lǐng)域的熱點(diǎn)問(wèn)題展開(kāi)討論。全書(shū)共11章，主要內容包括決策樹(shù)、神經(jīng)網(wǎng)絡(luò )、支持向量機、遺傳算法、回歸、聚類(lèi)分析等。
本書(shū)可作為高等院校計算機、軟件工程、智能科學(xué)與技術(shù)等專(zhuān)業(yè)研究生和高年級本科生的教材，同時(shí)對于從事人工智能、數據挖掘、模式識別等相關(guān)技術(shù)人員也具有較高的參考價(jià)值。
目錄
第1章緒論
1.1從兩個(gè)問(wèn)題談起
1.2模型評估與模型參數選擇
1.2.1驗證
1.2.2正則化
1.3機器學(xué)習算法分類(lèi)
1.3.1監督學(xué)習
1.3.2非監督學(xué)習
習題
第2章回歸
2.1線(xiàn)性回歸
2.2Logistic回歸
習題
第3章LDA主題模型
3.1LDA簡(jiǎn)介
3.2數學(xué)基礎
3.2.1多項分布
3.2.2Dirichlet分布
3.2.3共軛先驗分布
3.3LDA主題模型
3.3.1基礎模型
3.3.2PLSA模型
3.3.3LDA模型
3.4LDA模型應用實(shí)例
3.4.1配置安裝
3.4.2文本預處理
3.4.3使用Gensim
習題
第4章決策樹(shù)
4.1決策樹(shù)簡(jiǎn)介
4.1.1一個(gè)小例子
4.1.2幾個(gè)重要的術(shù)語(yǔ)及決策樹(shù)構造思路
4.2離散型決策樹(shù)的構造
4.3連續性數值的處理
4.4決策樹(shù)剪枝
習題
第5章支持向量機
5.1分離超平面與最大間隔
5.2線(xiàn)性支持向量機
5.2.1硬間隔
5.2.2軟間隔
5.3非線(xiàn)性支持向量機
5.3.1核方法
5.3.2常用的核函數
5.4操作實(shí)例： 應用MATLAB多分類(lèi)SVM、二分類(lèi)SVM、決策樹(shù)
算法進(jìn)行分類(lèi)
5.4.1數據集選擇
5.4.2數據預處理
5.4.3模型表現
5.4.4經(jīng)驗總結
習題
第6章提升方法
6.1隨機森林
6.1.1隨機森林介紹
6.1.2Bootstrap Aggregation
6.1.3隨機森林訓練過(guò)程
6.1.4隨機森林的優(yōu)點(diǎn)與缺點(diǎn)
6.2Adaboost
6.2.1引入
6.2.2Adaboost實(shí)現過(guò)程
6.2.3Adaboost總結
6.3隨機森林算法應用舉例
6.3.1MATLAB中隨機森林算法
6.3.2操作實(shí)例1： 基于集成方法的IRIS數據集分類(lèi)
6.3.3操作實(shí)例2： 基于ensemble方法的人臉識別
習題
第7章神經(jīng)網(wǎng)絡(luò )基礎
7.1基礎概念
7.2感知機
7.2.1單層感知機
7.2.2多層感知機
7.3BP神經(jīng)網(wǎng)絡(luò )
7.3.1梯度下降
7.3.2后向傳播
7.4徑向基函數網(wǎng)絡(luò )
7.4.1精確插值與徑向基函數
7.4.2徑向基函數網(wǎng)絡(luò )
7.5Hopfield網(wǎng)絡(luò )
7.5.1Hopfield網(wǎng)絡(luò )的結構
7.5.2Hopfield網(wǎng)絡(luò )的訓練
7.5.3Hopfield網(wǎng)絡(luò )狀態(tài)轉移
7.6Boltzmann機
7.7自組織映射網(wǎng)絡(luò )
7.7.1網(wǎng)絡(luò )結構
7.7.2訓練算法
7.8實(shí)例： 使用MATLAB進(jìn)行Batch Normalization
7.8.1淺識Batch Normalization
7.8.2MATLAB nntool使用簡(jiǎn)介
習題
第8章深度神經(jīng)網(wǎng)絡(luò )
8.1什么是深度神經(jīng)網(wǎng)絡(luò )
8.2卷積神經(jīng)網(wǎng)絡(luò )
8.2.1卷積神經(jīng)網(wǎng)絡(luò )的基本思想
8.2.2卷積操作
8.2.3池化層
8.2.4卷積神經(jīng)網(wǎng)絡(luò )
8.3循環(huán)神經(jīng)網(wǎng)絡(luò )
8.3.1循環(huán)單元
8.3.2通過(guò)時(shí)間后向傳播
8.3.3帶有門(mén)限的循環(huán)單元
8.4MATLAB深度學(xué)習工具箱簡(jiǎn)介
8.5利用Theano搭建和訓練神經(jīng)網(wǎng)絡(luò )
8.5.1Theano簡(jiǎn)介
8.5.2Theano的基本使用
8.5.3搭建訓練神經(jīng)網(wǎng)絡(luò )的項目
習題
第9章聚類(lèi)算法
9.1簡(jiǎn)介
9.1.1聚類(lèi)任務(wù)
9.1.2基本表示
9.2KMeans算法
9.2.1算法簡(jiǎn)介
9.2.2算法流程
9.2.3KMeans的一些改進(jìn)
9.2.4選擇合適的K
9.2.5XMeans
9.3層次聚類(lèi)
9.4聚類(lèi)算法拓展
9.4.1聚類(lèi)在信號處理領(lǐng)域的應用
9.4.2以語(yǔ)義聚類(lèi)的形式展示網(wǎng)絡(luò )圖像搜索結果
習題
第10章尋優(yōu)算法之遺傳算法
10.1簡(jiǎn)介
10.1.1算法起源
10.1.2基本過(guò)程
10.1.3基本表示
10.1.4輸入輸出
10.1.5優(yōu)缺點(diǎn)及應用
10.2算法原型
10.2.1初始化
10.2.2評估
10.2.3選擇優(yōu)秀個(gè)體
10.2.4交叉
10.2.5變異
10.2.6迭代
10.3算法拓展
10.3.1精英主義思想
10.3.2災變
習題
第11章項目實(shí)踐： 基于機器學(xué)習的監控視頻行人檢測與追蹤系統
11.1引言
11.2相關(guān)算法與指標
11.2.1方向梯度直方圖
11.2.2支持向量機
11.2.3結構相似性
11.2.4HaarLike特征
11.2.5級聯(lián)分類(lèi)器
11.2.6特征臉
11.3系統設計與實(shí)現
11.3.1視頻處理模塊
11.3.2圖像識別模塊
11.3.3目標追蹤模塊
11.4系統測試
11.4.1測試環(huán)境
11.4.2系統單元測試與集成測試
11.4.3性能測試
11.4.4系統識別準確率測試
11.5結語(yǔ)
參考文獻
京公網(wǎng)安備 11000002000088號
