您好,欢迎来到聚文网。 登录 免费注册
机器学习--数据表示学习及应用(高等学校大数据专业系列教材教育部高等学校计算机类专

机器学习--数据表示学习及应用(高等学校大数据专业系列教材教育部高等学校计算机类专

  • 字数: 336
  • 出版社: 清华大学
  • 作者: 编者:张春阳//陈俊龙|
  • 商品条码: 9787302680185
  • 适读年龄: 12+
  • 版次: 1
  • 开本: 16开
  • 页数: 208
  • 出版年份: 2025
  • 印次: 1
定价:¥59.9 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书从数据表示学习角 度介绍机器学习及其应用。 全书共7章,分别介绍数据 表示学习与数学基础、传统 降维方法、分布式表示学习 和聚类算法、稀疏表示学习 、神经网络中的特征提取、 生成式表示学习和对比式表 示学习。本书涉及的数据表 示学习算法的具体应用领域 包括计算机视觉、自然语言 处理以及图网络分析等。 本书主要面向广大从事 人工智能、机器学习或深度 学习、数据挖掘、模式识别 等领域的专业人员,从事高 等教育的专任教师,高等院 校的在读学生及相关领域的 广大科研人员。
作者简介
陈俊龙,博士、教授、博士生导师。现任华南理工大学计算机科学与工程学院院长,中国自动化学会副理事长,教育部健康智能感知与数字平行人工程研究中心主任,广东省计算智能与网络空间信息重点实验室主任,电气电子工程师协会会士(IEEE Fellow)、美国科学促进会会士(AAAS Fellow)、国际模式识别学会会士(IAPR Fellow)、中国自动化学会会士(CAA Fellow)、香港工程师学会会士(HKIE Fellow),欧洲科学院(Academia Europaea)院士,欧洲科学与艺术院(European Academy of Sciences and Arts)院士。曾任IEEE两个顶级学术期刊的主编。连续5年(2018一2022)入选科睿唯安(Clarivate Analytic)计算机科学及工程学双学科全球“高被引科学家”。2018年荣获IEEE系统科学控制论的最高学术奖——IEEE诺伯特·维纳奖(Norbert Wiener Award)。荣获2021年度IEEE Joseph G.Wohl终身成就奖及第十一届“吴文俊人工智能杰出贡献奖”。
目录
第1章 绪论 1.1 机器学习简介 1.2 特征工程与数据表示学习 1.3 数学与概率基础 第2章 传统降维方法 2.1 主成分分析 2.1.1 标准的主成分分析 2.1.2 核主成分分析 2.2 多维尺度变换 2.2.1 多维尺度变换的定义 2.2.2 多维尺度变换的求解 2.3 流形学习 2.3.1 等距特征映射 2.3.2 局部线性嵌入 2.3.3 拉普拉斯特征映射 2,3.4 局部切空间排列 2.3.5 生成拓扑映射 2.4 t分布随机邻域嵌入 2.5 自编码器 2.5.1 基本概念 2.5.2 输出层的激活函数 2.5.3 损失函数 2.5.4 自编码器与主成分分析的比较 参考文献 第3章 分布式表示学习和聚类算法 3.1 分布式表示学习的概念 3.2 K-means算法和K近邻算法 3.2.1 K-means算法 3.2.2 K-means的改进 3.2.3 K近邻算法 3.2.4 KNN的改进 3.3 原型聚类算法 3.3.1 学习向量量化算法 3.3.2 高斯混合聚类算法 3.4 基于密度的聚类算法 3.4.1 DBSCAN算法 3.4.2 OPTICS算法 3.4.3 DENCLUE算法 3.5 层次聚类 3.5.1 层次聚类方法链接 3.5.2 经典层次聚类算法的步骤 3.5.3 层次聚类的改进算法 参考文献 第4章 稀疏表示学习 4.1 引言 4.2 稀疏表示学习简介 4.2.1 专业名词解析 4.2.2 L1正则化 4.2.3 奇异值分解 4.2.4 缺失数据和矩阵填充

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网