 |
-- 會員 / 註冊 --
|
 |
|
|
|
機器學習及其應用 ( 簡體 字) |
| 作者：王玨，周志華，周傲英 主編 | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 15186
詢問書籍請說出此書號！【缺書】
【不接受訂購】 |
| 出版日：3/1/2006 |
| 頁數：324 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
【不接受訂購】 | | ISBN：9787302120384 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：北京機器學習是計算機科學和人工智能中非常重要的一個研究領域，近年來，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。本書邀請國內外相關領域的專家撰文，以綜述的形式介紹機器學習中不同領域的研究進展。全書共分13章。第1章是關于機器學習的一個全局性綜述。第2至第6章分別對統計學習、非監督學習、符號學習、強化學習和流形學習進行了綜述，并穿插了作者的一些精彩工作。第7和第8章分別介紹了作者在集成學習和進化學習中某一具體話題上的研究成果。第9和第10章對數據挖掘中的一些問題進行了介紹和討論。第11至第13章則對機器學習在模式識別、視頻信息處理等領域的應用做了介紹。
本書可供計算機、自動化及相關專業的學生、教師、研究生和工程技術人員參考。 |
目錄：序
序言
前言
1 關于機器學習的討論
1-1 引言
1-2 機器學習的發展歷史
1-3 統計機器學習
1-3-1 泛化問題
1-3-2 表示問題
1-4 集群機器學習
1-4-1 弱可學習定理
1-4-2 經驗研究問題
1-5 符號機器學習
1-5-1 經典符號機器學習原理
1-5-2 Reduct理論
1-6 流形學習
1-7 其他機器學習方法
1-8 總結與討論
參考文獻
2 統計學習理論及其在非監督學習問題中的應用
2-1 引言
2-2 監督學習問題與統計學習算法
2-2-1 監督學習問題
2-2-2 SVM及其理論分析
2-2-3 統計學習算法框架
2-3 非監督學習問題機器統計學習算法
2-3-1 非監督學習問題
2-3-2 非監督學習問題研究的一些說明和思路
2-3-3 η非監督學習問題
2-3-4 η-one-class問題
2-3-5 η非監督學習問題和one-class問題
2-3-6 其他非監督學習問題
2-4 結束語
參考文獻
3 聚類分析技術綜述
3-1 引言
3-2 聚類分析步驟
3-3 聚類分析中的數據類型
3-4 聚類模型及其算法的設計
3-4-1 針對連續型數據的聚類模型及算法
3-4-2 針對離散型數據的聚類模型及算法
3-4-3 針對關聯型數據的聚類模型及算法
3-4-4 針對混合型數據的聚類模型及算法
3-4-5 在大型數據庫中的聚類算法
3-4-6 其他類型的聚類模型及算法
3-4-7 小結
3-5 聚類分析與奧卡姆剃刀準則
3-5-1 奧卡姆剃刀準則
3-5-2 奧卡姆剃刀準則與聚類算法
3-5-3 聚類算法的歷史回顧
3-5-4 小結
3-6 聚類有效性分析方法
3-7 聚類分析的應用前景及發展
參考文獻
4 符號機器學習研究
4-1 引言
4-2 表示問題
4-2-1 數據預處理問題
4-2-2 描述數據的表示語言
4-3 規則學習
4-3-1 覆蓋算法
4-3-2 分治算法
4-3-3 ILP
4-4 約簡理論
4-5 面向用戶需求的符號機器學習——符號數據分析
4-6 結束語
參考文獻
5 強化學習研究進展
……
6 流形學習若干問題研究
7 選擇性集成
8 A Theoretical Study on the Computation Time of Evolutionary Algorithms
9 文本數據挖掘
10 On Conceptual Modeling of Data Mining
11 模式分類：統計方法和人工神經網絡方法
12 人臉識別中子空間的統計學習
13 基于內容的視頻信號分析與處理 |
| 序： |
|
