机器学习关键技术及应用
全新正版 极速发货
￥ 112.21 6.7折 ￥ 168 全新
库存6件
广东广州
认证卖家担保交易快速发货售后保障
作者王喆、李冬冬 著
出版社化学工业出版社
ISBN9787122429407
出版时间2023-06
装帧平装
开本其他
定价168元
货号1203019505
上书时间2024-07-12
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
无
目录
第1章 绪论001
1.1 工业发展与机器学习002
1.2 矩阵型分类学习004
1.3 多视角学习005
1.4 不平衡数据分类学习007
1.5 集成学习010
1.6 深度学习010
参考文献013
第2章 矩阵型分类学习017
2.1 矩阵型方法概述018
2.2 局部敏感判别矩阵学习机020
2.2.1 LSDMatMHKS算法020
2.2.2 实验与分析027
2.3 矩阵多类学习机041
2.3.1 McMatMHKS模型041
2.3.2 实验043
2.3.3 分析讨论054
2.4 基于向量分离策略的高效矩阵型分类器056
2.4.1 EMatMHKS模型056
2.4.2 基于向量分离策略的高效矩阵型分类器057
2.4.3 实验与分析061
参考文献077
第3章 多视角学习081
3.1 概述082
3.2 先验信息融合的正则化型分类器084
3.2.1 挖掘数据先验信息084
3.2.2 多核学习与经验核映射085
3.2.3 TSMEKL模型088
3.2.4 实验093
3.2.5 推广风险分析105
3.3 Nystr?m近似矩阵的多核学习算法108
3.3.1 多核学习算法108
3.3.2 NMKMHKS模型110
3.3.3 实验114
3.4 Universum的多视角分类学习算法127
3.4.1 多视角学习算法127
3.4.2 UMultiV-MHKS模型127
3.4.3 实验132
参考文献149
第4章 不平衡数据分类学习153
4.1 概述154
4.2 基于数据空间信息的样本选择方法156
4.2.1 样本选择框架NearCount156
4.2.2 实验结果分析与讨论164
4.3 基于二叉树结构的数据空间分治策略185
4.3.1 SPT算法185
4.3.2 实验结果分析与讨论195
4.4 基于熵和万有引力的动态半径近邻分类器216
4.4.1 EGDRNN模型216
4.4.2 实验222
4.4.3 分析讨论232
参考文献236
第5章 集成学习239
5.1 概述240
5.2 基于视角间相似度损失的多经验核集成学习模型242
5.2.1 多视角与核学习的方法242
5.2.2 MVE-EK算法模型245
5.2.3 实验与分析251
5.3 基于数据全局空间特性的多平衡子集协同训练算法263
5.3.1 多平衡子集协同训练算法263
5.3.2 基于数据全局空间特性的多平衡子集协同训练算法264
5.3.3 实验与分析268
5.4 基于熵与置信度的下采样Boosting集成294
5.4.1 基于熵与置信度的下采样Boosting集成方法294
5.4.2 ECUBoost算法模型295
5.4.3 实验与分析301
参考文献320
第6章 深度学习323
6.1 概述324
6.2 基于扰动的助推器网络驱动协同训练模型327
6.2.1 归纳式半监督的方法327
6.2.2 BDCT模型328
6.2.3 实验与分析335
6.3 强制平滑的投影梯度下降对抗训练模型345
6.3.1 防御对抗攻击的方法345
6.3.2 SEAT模型347
6.3.3 实验与分析351
6.4 面向多标签图像分类的融合先验信息的语义补充模型362
6.4.1 多标签图像分类的方法362
6.4.2 融合先验信息的语义补充模型（SSNP）364
6.4.3 实验结果与分析369
参考文献376
第7章 应用案例381
7.1 脑电信号自动情感识别382
7.1.1 脑电情感识别算法的应用与发展382
7.1.2 脑电信号的类别与特点382
7.1.3 脑电信号自动情感识别系统387
7.1.4 总结410
7.2 基于语音的生物认证系统413
7.2.1 语音生物认证技术的研究背景413
7.2.2 基于多网络集成的声纹识别系统描述414
7.2.3 总结426
7.3 面向图像分类的半监督学习系统426
7.3.1 图像分类技术发展426
7.3.2 基于半监督学习的图像分类系统429
7.3.3 总结438
参考文献440
内容摘要
本书详细讨论工业背景下机器学习的各个分支及其实现技术，包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术，并在此基础上，对机器学习在脑电情感识别、声纹识别和图像分类等领域的应用做了介绍。
本书主要面向对机器学习、人工智能等方向感兴趣的学者和从事该方面研究的技术人员、博士、硕士研究生等。
主编推荐
本书从工业背景下的机器学习技术需求出发，详细讨论机器学习的各个分支技术，包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术等，并在此基础上，对机器学习相关的应用系统进行了分析。
— 没有更多了 —
以下为对购买帮助不大的评价