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。
醉染图书概率图模型及计算机视觉应用9787111690320
¥ ×1
译者序
章 知识背景和学习动机1
1.1 引言1
1.2 本书目标和特点4
1.3 PGM介绍4
1.3.1 PGM的主要问题5
1.4 本书大纲6
参考文献7
第2章 基础概念9
2.1 引言9
2.2 随机变量与概率9
2.2.1 随机变量与概率定义9
2.2.2 基本的概率法则10
2.. 独立和条件独立11
2.2.4 均值、协方差、相关和独立11
2.2.5 概率不等式13
2.2.6 概率分布14
. 基本的估计方法17
..1 极大似然法17
..2 贝叶斯估计法19
2.4 优化方法19
2.4.1 连续优化19
2.4.2 离散优化21
2.5 采样和样本估计21
2.5.1 采样技术21
2.5.2 样本估计22
参考文献
第3章 有向概率图模型25
3.1 引言25
3.2 贝叶斯网络25
3.2.1 BN表示25
3.2.2 BN的特27
3.. 贝叶斯网络的类型29
3.3 BN推理34
3.3.1 推理方法35
3.3.2 近似推理方法47
3.3.3 高斯BN的推理55
3.3.4 贝叶斯推理56
3.3.5 不确定据下的推理57
3.4 完全数据下的BN学习57
3.4.1 参数学习58
3.4.2 结构学习63
3.5 缺失数据下的BN学习69
3.5.1 参数学习69
3.5.2 结构学习75
3.6 人工贝叶斯网络规范76
3.7 动态贝叶斯网络77
3.7.1 简介77
3.7.2 学习和推理79
3.7.3 特殊的DBN81
3.8 分层贝叶斯网络91
3.8.1 分层贝叶斯模型91
3.8.2 分层深层模型95
3.8.3 混合分层模型98
3.9 附录99
3.9.1 式(3.63)明99
3.9.2 高斯贝叶斯网络明100
3.9.3 拉普拉斯近似102
参考文献102
第4章 无向概率图模型107
4.1 引言107
4.1.1 定义和质107
4.2 成对马尔可夫网络110
4.2.1 离散成对马尔可夫网络110
4.2.2 标记观测马尔可夫网络111
4.. 高斯马尔可夫网络112
4.2.4 受限玻尔兹曼机113
4.3 条件随机场114
4.4 高阶长程马尔可夫网络116
4.5 马尔可夫网络推理117
4.5.1 推理方法117
4.5.2 近似推理方法120
4.5.3 MN推理方法122
4.6 马尔可夫网络学习1
4.6.1 参数学习1
4.6.2 结构学习129
4.7 马尔可夫网络与贝叶斯网络131
参考文献132
第5章 计算机视觉应用135
5.1 引言135
5.2 用于低级计算机视觉任务的PGM135
5.2.1 图像分割135
5.2.2 图像去噪136
5.. 用MRF标记图像136
5.2.4 用CRF进行图像分割141
5.2.5 用贝叶斯网络进行图像分割145
5.3 用于中级计算机视觉任务的PGM149
5.3.1 目标检测与识别149
5.3.2 场景识别165
5.3.3 目标追踪167
5.3.4 三维重建和立体视觉177
5.4 用于不错计算机视觉任务的PGM184
5.4.1 面部表情识别184
5.4.2 人类活动识别187
5.4.3 为人类活动识别刻画上下文208
参考文献212
索引220
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
