作者简介: 赵地 获得美国路易斯安娜理工大学(Louisiana Tech University)计算机与应用数学专业博士学位,曾在美国哥伦比亚大学(Columbia University)和美国俄亥俄州立大学(The Ohio State University)从事博士后研究工作。 赵地博士在GPU计算方面具有丰富的研究经验,发表了多篇学术论文和会议论文。现任CNIC-英伟达公司GPU研究中心(GPU Research Center, GRC)、CNIC-英伟达公司GPU教育中心(GPU Education Center, GEC)和CNIC-英伟达公司“智慧医疗”联合实验室负责人;中国图象图形学学会视觉大数据专业委员会委员,CCF会员。 内容简介: 模式识别和机器学习是人工智能应用的基础。本书将模式识别任务按照监督学习和无监督学习两种方式进行组织。第1章讨论模式识别和机器学习的内在关系,介绍了两者的基础知识和模式识别的设计过程。第2章和第3章介绍了最优化的和常规的基于实例的分类问题。第4~6章检验了参数的、非参数的和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模型的性能并减少存储空间的降维技术。第10章和第11章分别介绍了聚类分析技术和回归模型。本书适合相关专业高年级本科生和研究生,以及该领域的从业人员阅读。
以下为对购买帮助不大的评价