由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 视觉机器学习20讲 谢剑斌 等编著 清华大学出版社 97873023
¥ ×1
绪论
第1讲 K-means
1.1 基本原理
1.2 算法改进
1.3 仿真实验
1.4 算法特点
第2讲 KNN学习
2.1 基本原理
2.2 算法改进
2.3 仿真实验
2.4 算法特点
第3讲 回归学习
3.1 基本原理
3.1.1 参数回归
3.1.2 非参数回归
3.1.3 半参数回归
3.2 算法改进
3.2.1 线性回归模型
3.2.2 多项式回归模型
3.2.3 主成分回归模型
3.2.4 自回归模型
3.2.5 核回归模型
3.3 仿真实验
3.3.1 回归学习流程
3.3.2 基于回归学习的直线边缘提取
3.3.3 基于回归学习的图像插值
3.4 算法特点
第4讲 决策树学习
4.1 基本原理
4.1.1 分类与聚类
4.1.2 决策树
4.1.3 信息增益的度量标准
4.1.4 信息增益度量期望的熵降低
4.1.5 悲观错误剪枝
4.1.6 基本决策树算法
4.2 算法改进
4.2.1 ID3算法
4.2.2 C4.5算法
4.2.3 SLIQ算法
4.2.4 SPRINT算法
4.3 仿真实验
4.3.1 用于学习布尔函数的ID3算法伪代码
4.3.2 C4.5算法构造决策树的伪代码
4.4 算法特点
第5讲 Random Forest学习
5.1 基本原理
5.1.1 决策树
5.1.2 Bagging集成学习
5.1.3 Random Forest方法
5.2 算法改进
5.3 仿真实验
5.3.1 Random Forest分类与回归流程
5.3.2 Forest-RI和For
5.3.3 基于Random Forest的头部姿态估计
5.4 算法特点
第6讲 贝叶斯学习
6.1 基本原理
6.2 算法改进
6.2.1 朴素贝叶斯模型
6.2.2 层级贝叶斯模型
6.2.3 增广贝叶斯学习模型
6.2.4 基于Boosting技术的朴素贝叶斯模型
6.2.5 贝叶斯神经网络模型
6.3 仿真实验
6.3.1 Learn_Bays
6.3.2 Classify_Ba
6.4 算法特点
第7讲 EM算法
7.1 基本原理
7.2 算法改进
7.2.1 EM算法的快速计算
7.2.2 未知分布函数的选取
7.2.3 EM算法收敛性的改进
7.3 仿真实验
7.3.1 EM算法流程
7.3.2 EM算法的伪代码
7.3.3 EM算法应用——高斯混合模型
7.4 算法特点
第8讲 Adaboost
8.1 基本原理
8.1.1 Boosting方法
8.1.2 Adaboost方法
8.2 算法改进
8.2.1 权值更新方法的改进
8.2.2 Adaboost并行算法
8.3 仿真实验
8.3.1 Adaboost算法实现流程
8.3.2 Adaboost算法示例
8.4 算法特点
8.4.1 Adaboost算法的优点
8.4.2 Adaboost算法的缺点
……
第9讲 SVM方法
第10讲 增强学习
第11讲 流形学习
第12讲 RBF学习
第13讲 稀疏表示
第14讲 字典学习
第15讲 BP学习
第16讲 CNN学习
第17讲 RBM学习
第18讲 深度学习
第19讲 遗传算法
第20讲 蚁群方法
谢剑斌,博士后,曾于新加坡国立大学访问学习,现为国防科技大学电子科学与工程学院教授,中国生物特征识别国家标准组委员、中国数字电视国家标准组委员、中国图象图形学会不错会员、计算机学会不错会员、电光与控制编委会委员。长期从事数字视频分析与生物特征识别方面的研究工作,参与和主持国家863项目3项、国防预研项目2项、航空基金项目1项、国家标准项目2项、公安部创新计划项目3项、横向项目17项。参与制定安全防范系统生物特征识别国家标准、面向安全监视的视频获取国家标准、数字电视地面传输国家标准、机载TFT液晶显示器军用标准。发表学术论文70多篇,出版专著4部,授权国家发明15项、实用新型27项。获湖南省科技进步二等奖1项,公安部技术革新成果特别项目奖2项,靠前发明展金奖2项,全国发明展览会金奖1项、铜奖1项。
《视觉机器学习20讲》是计算机、自动化、信息、电子与通信学科方向的专著,详尽地介绍了K-Means、KNN学习、回归学习、决策树学习、Random Forest、贝叶斯学习、EM算法、 Adaboost、SVM方法、增强学习、流形学习、RBF学习、稀疏表示、字典学习、BP学习、CNN学习、RBM学习、深度学习、遗传算法、蚁群方法等基本理论;深入阐述了视觉机器学习算法的优化方法和实验仿真;系统地总结了其优点和不足。
本书重视如何将视觉机器学习算法的理论和实践有机地结合,解决视觉机器学习领域中的诸多基础问题,可应用于医学图像分析、工业自动化、机器人、无人车、人脸检测与识别、车辆信息识别、行为检测与识别、智能视频监控等。本书重视算法的典型性和可实现性,既包含本领域的经典算法,也包含本领域的*研究成果。
本书不仅可作为本科生与研究生教材,而且也是从事视觉机器学习领域研发极为有用的参考资料。
本书是在机器学习领域12位博士多年研究机器学习的基础理论、核心算法、关键技术和应用实践的科学结晶,是作者们多年相关科研实践的心得体会和系统总结。
本书从基本理论、实现方法、改进方法、仿真流程、核心代码、源程序、实验数据等方面深入浅出地阐述了20个常用机器学习方法,适合于从事医学图像分析、工业自动化、机器人、无人车、人脸检测与识别、车辆信息识别、行为检测与识别、智能视频监控等领域的研究生和技术人员。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
