路边数据分析:深度学 交通运输 (澳)布里杰什·维尔马,张立刚,(澳)大卫·斯托克韦尔
none
￥ 54.05 6.4折 ￥ 85 全新
库存4件
作者(澳)布里杰什·维尔马,张立刚,(澳)大卫·斯托克韦尔
出版社南京大学出版社
ISBN9787305212475
出版时间2020-11
版次1
装帧平装
开本16
页数192页
字数215千字
定价85元
货号xhwx_1202299214
上书时间2024-10-27
- 在售商品 暂无
- 平均发货时间 27小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
章导论
1.1背景
1.2搜集路边数据
1.2.1数据
1.2.2测试数据
1.3基于路边数据的应用
1.4本书内容安排
参文献
第二章路边数据分析框架
2.1概述
2.2方法
2.2.1路边数据的预处理
2.2.2将路边数据切分为对象
2.2.3对象特征提取
2.2.4路边对象分类
2.2.5路边对象分类应用
2.3相关工作
2.3.1植被切分和分类
2.3.2通用对象切分和分类
2.4数据处理的matlab代码
参文献
第三章路边数据分析——非深度学技术
3.1神经网络学
3.1.1简介
3.1.2神经网络学方法
3.1.3实验结果
3.1-4结
3.2支持向量机学
3.2.1简介
3.2.2svm学方法
3.2.3实验结果
3.2.4结
3.3聚类学
3.3.1简介
3.3.2聚类学法
3.3.3实验结果
3.3.4结
3.4模糊c一均值学
3.4.1简介
3.4.2模糊c一均值学方法
3.4.3实验结果
3.4.4结
3.5集成学
3.5.1简介
3.5.2集成学方法
3.5.3实验结果
3.5.4结
3.6基于多数投票法的混合学
3.6.1简介
3.6.2多数投票法
3.6.3实验结果
3.6.4结
3.7区域合并学
3.7.1简介
3.7.2区域合并法
3.7.3方法的组件
3.7.4实验结果
3.7.5结
参文献
第四章路边数据分析的深度学技术
4.1简介
4.2相关工作
4.3自动与手动特征提取
4.3.1简介
4.3.2比较框架
4.3.3实验结果
4.3.4结
4.4单一架构vs集成架构
4.4.1简介
4.4.2比较框架
4.4.3实验结果
4.4.4结
4.5深度学网络
4.5.1简介
4.5.2深度学网络
4.5.3实验结果
4.5.4讨论
4.5.5结
参文献
第五章案例分析：火灾风险评估中的路边数据分析
5.1导论
5.2相关工作
5.3提出的vocgp算法
5.3.1问题定义和动机
5.3.2方法概览
5.3.3草区域分割
5.3.4基于伽博滤波器投票的主垂直方向检测
5.3.5草像素的垂直方向连通计算
5.4实验结果
5.4.1路边数据搜集
5.4.2实验设置
5.4.3草生物量估计的能
5.4.4草密度预测的能
5.4.5易着火区域识别
5.5讨论
5.6结
参文献
第六章结和展望
6.1对未来研究的建议
6.2新的挑战
6.3新的机会和应用
内容简介：
本书重点介绍了路边数据分析的方法和应用，包括基于不同类型学算法的路边数据处理的各种系统结构和方法，并对分割、特征提取和分类进行了详细的分析。使用深度学解决路边数据分割和分类问题是本书的主要亮点之一。深度神经网络学已成为机器学和数据挖掘领域的热门研究课题。然而，在享受深度学方法无须手工特征的优势时，必须对准确和鲁棒进行衡，并且大多数真实世界的学系统仍需要一些手工的特征工程和架构。本书通过对不同类型的特征和体系进行实证测试，实现在现实世界的场景中分析多层神经网络的能。然后，我们介绍了新的用于场景分类的架构，此架构与先前的方法相比具有相同或更好的精度。接着我们研究了卷积神经网络的特征工程。
作者简介：
布里杰什维尔马(brijeh verma)，澳大利亚昆士兰大学教授，智能系统中心主任。曾任6家国际期刊的编委。主要研究方向包括计算智能和模式识别。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价