九九热久久只有精品,jizz亚洲女人高清

內(nèi)容簡介

　　模式識別與機器學習是計算機科學與技術的重要研究內(nèi)容之一?！赌Ｊ阶R別與機器學習技術》首先講解了貝葉斯分類、支持向量機和人工神經(jīng)網(wǎng)絡等常用的機器學習算法，并對結(jié)構(gòu)數(shù)據(jù)的核函數(shù)和增量支持向量機算法進行了全面綜述，講解了深度學習新的模型和計算機視覺的基本知識。以農(nóng)業(yè)為應用場景，結(jié)合作者的科研工作，詳細介紹了基于卷積神經(jīng)網(wǎng)絡的樹木識別和基于對抗生成網(wǎng)絡的玉米病害圖像生成的實際應用案例。后介紹了模式識別與機器學習涉及的數(shù)學基礎。書中配有模式識別與機器學習相應算法的Python源代碼?！赌Ｊ阶R別與機器學習技術》適合計算機科學與技術、數(shù)據(jù)科學與技術等相關專業(yè)的研究生和本科生使用，也可供從事農(nóng)業(yè)大數(shù)據(jù)研究工作等相關人員參考。

作者簡介

暫缺《模式識別與機器學習技術》作者簡介

圖書目錄

1 模式識別與機器學習基本概念
1．1 模式識別
1．1．1 基本概念
1．1．2 模式識別應用
1．1．3 模式識別系統(tǒng)
1．1．4 模式識別基本方法
1．1．5 模式識別基本問題
1．1．6 模式識別基本準則
1．2 機器學習
1．2．1 簡介
1．2．2 機器學習的分類
1．2．3 深度學習
1．3 機器學習與模式識別算法評價指標
1．3．1 查全率與準確率
1．3．2 交叉驗證
1．3．3 混淆矩陣
1．4 K近鄰算法
1．5 頂級會議和期刊
1．5．1 頂級會議
1．5．2 頂級期刊
1．5．3 國內(nèi)重要期刊

2 判別函數(shù)
2．1 判別函數(shù)
2．1．1 線性判別函數(shù)
2．1．2 非線性判別函數(shù)
2．2 Fisher線性判別函數(shù)

3 特征提取與選擇
3．1 簡介
3．2 基本概念
3．3 類別可分性判據(jù)
3．3．1 基于距離的可分性判據(jù)
3．3．2 基于概率分布的可分性判據(jù)
3．4 主成分分析
3．4．1 簡介
3．4．2 基本原理
3．4．3 具體步驟
3．4．4 應用舉例
3．4．5 核主成分分析法
3．5 圖像特征
3．5．1 顏色特征
3．5．2 紋理特征
3．5．3 形狀特征

4 貝葉斯分類
4．1 簡介
4．1．1 相關統(tǒng)計概念
4．1．2 貝葉斯定理
4．2 貝葉斯分類
4．3 樸素貝葉斯分類
4．3．1 簡介
4．3．2 基本原理
4．3．3 分類舉例
4．4 貝葉斯網(wǎng)絡
4．4．1 結(jié)構(gòu)形式1
4．4．2 結(jié)構(gòu)形式2
4．4．3 結(jié)構(gòu)形式3
4．4．4 舉例
4．5 基于Python的樸素貝葉斯分類實現(xiàn)

5 聚類分析
5．1 聚類概念
5．2 聚類算法分類
5．3 相似性度量
5．4 聚類準則
……

6 支持向量機
7 人工神經(jīng)網(wǎng)絡
8 機器學習與模式識別應用——以農(nóng)業(yè)為例
9 線性代數(shù)
10 概論論與數(shù)理統(tǒng)計
11 最優(yōu)化理論與信息論
參考文獻