新書推薦：
《
知宋·宋代之科举
》
售價：HK$
99.7
《
那本书是（吉竹伸介与又吉直树 天才联动！）
》
售價：HK$
99.7
《
传播的跃迁：人工智能如何革新人类的交流
》
售價：HK$
110.9
《
纯粹·古代中国的历史与制度
》
售價：HK$
62.7
《
生活来来往往 别等来日方长 新版（伍佰：“讲好了这一辈子，再度重相逢。”别等，别遗憾！珍惜当下才是最好的解药）
》
售價：HK$
58.2
《
一个英国军事顾问眼中的二战
》
售價：HK$
277.8
《
就业、利息和货币通论（徐毓枬译本）（经济学名著译丛）
》
售價：HK$
67.2
《
瘦肝
》
售價：HK$
99.7
|
| 編輯推薦： |
|
本书融合了Matlab、线性代数、优化理论和机器学习算法，并介绍了算法实现和机器学习综合应用、机器学习和深度学习的工程应用等。本书深入浅出，难度适中，具有系统性、完整性、可阅读性、应用性和前瞻性，是一本很好的机器学习教材和人工智能参考书。
|
| 內容簡介： |
|
《机器学习算法与应用》主要内容包括机器学习中的相关数学基础（线性代数、概率统计与信息论、**化方法和张量分析），样本数据的处理，机器学习的各种主流算法，基于MATLAB的机器学习算法的实现与机器学习综合应用，机器学习和深度学习的工程应用。本书特色是深入浅出，自成体系，注重基础理论的描述，具有系统性、完整性、可阅读性、应用性和前瞻性。本书可作为高等院校研究生和本科生机器学习相关课程的教材，还可作为与人工智能相关机构研究人员的参考书。
|
| 關於作者： |
唐晨 博士，天津大学电气自动化与信息工程学院教授，国家自然科学基金和学位论文评审专家。多年主讲本科生及研究生机器学习相关课程，在国内外重要学术期刊发表论文100余篇，主持或参与多项国家、省部级科研项目，以第一发明人获得授权专利10余项。主要研究方向：机器学习和深度学习方法研究及在图像处理、大数据和信息安全等领域中的应用等。
付树军 博士，山东大学数学学院科学计算与软件研究所教授，博士生导师，山东大学承势公共安全大数据研究中心主任。国家自然科学基金、国家科研基金和科技奖励、山东省科技计划项目评审专家。中国图像图形学学会交通视频专委会副主任委员，山东省计算数学学会常务委员，山东省大数据研究会副秘书长。发表论文100余篇，主持或参与20余项省部级以上科研项目，申请专利14项。主要研究方向：图像处理和计算机视觉、医学图像分析、大数据计算等。
徐岩 博士，天津大学电气自动化与信息工程学院副教授。多年来一直从事机器学习、深度学习、模式识别、图像处理等领域的研究，主持或参与多项国家自然科学基金、天津市自然科学基金、企业合作等科研项目，以第一作者或通讯作者在SCI、EI、核心期刊发表学术论文40余篇，以第一发明人获得授权专利10余项。
|
| 目錄：
|
第 1 章 绪论 1
1.1 机器学习的定义 1
1.2 机器学习的种类 1
1.3 机器学习的应用 5
1.4 网上公开的部分机器学习数据库 9
第一部分 机器学习中的数学基础
第 2 章 线性代数 13
2.1 标量、向量、矩阵和张量 13
2.2 矩阵的运算 14
2.3 特殊矩阵 16
2.4 线性空间、线性相关和线性变换 16
2.5 内积与范数 17
2.6 矩阵分解 19
2.7 Moore-Penrose 伪逆 20
2.8 MATLAB 函数和示例 21
第 3 章 概率统计与信息论 24
3.1 随机事件及其概率 24
3.2 随机变量及其概率分布 25
3.3 边缘概率与条件概率 27
3.4 独立性、全概率公式和贝叶斯公式 28
3.5 随机变量的数字特征 29
3.6 常用概率分布 30
3.7 数理统计基础 33
3.8 统计推断 35
3.9 信息论 37
3.10 MATLAB 函数和示例 38
第 4 章 最优化方法 41
4.1 拉格朗日乘子法与 KKT 条件 41
4.2 梯度下降法和共轭梯度法 45
4.3 牛顿法和拟牛顿法 48
4.4 坐标下降法 50
4.5 启发式智能优化算法 51
4.6 基于 MATLAB 的优化求解 54
第 5 章 张量分析 57
5.1 基本概念与运算 57
5.2 张量的经典分解 60
5.3 张量奇异值分解 64
5.4 MATLAB 函数与示例 65
第二部分 样本数据的处理
第 6 章 核（Kernel）方法 71
6.1 核函数引入 71
6.2 正定核函数 74
6.3 正定核函数的等价定义 74
6.4 常用的核函数及其 MATLAB 实现 76
第 7 章 主成分分析（PCA）与核主成分分析（KPCA） 79
7.1 算法定义 79
7.2 算法原理 79
7.3 KPCA 84
7.4 举例 86
第 8 章 线性判别分析（LDA）与核线性判别分析（KLDA） 101
8.1 算法定义 101
8.2 算法原理 101
8.3 LDA 与 PCA 比较 109
8.4 应用举例 109
第三部分 监 督 学 习
第 9 章 线性回归 121
9.1 线性回归模型 121
9.2 线性回归的原理 123
9.3 多元线性回归算法实现及应用 133
9.4 基于核的线性回归 139
第 10 章 逻辑回归 147
10.1 逻辑回归的背景 147
10.2 逻辑回归的原理 148
10.3 逻辑回归算法的实现 152
第 11 章 贝叶斯分类器 163
11.1 算法定义 163
11.2 算法原理 163
11.3 算法实现及应用举例 164
第 12 章 决策树 174
12.1 算法定义 174
12.2 算法原理 174
12.3 决策树模型评估 178
12.4 算法举例 179
第 13 章 随机森林 194
13.1 算法定义 194
13.2 算法原理 195
13.3 算法实现及应用 197
第 14 章 支持向量机（SVM） 215
14.1 算法定义 215
14.2 算法原理 215
14.3 应用举例 226
第 15 章 人工神经网络 238
15.1 神经元模型 238
15.2 感知机与多层网络 239
15.3 反向传播算法 241
15.4 神经网络的实现 243
15.5 卷积神经网络 244
15.6 经典深度神经网路 246
15.7 神经网络的应用 253
15.8 MATLAB 函数与示例 255
第四部分 无监督学习
第 16 章 k-means 聚类方法 259
16.1 k-means 算法原理 260
16.2 k-means 算法的优缺点 262
16.3 聚类个数建议 265
16.4 k-means 算法的实现及应用举例 266
第 17 章 模糊 C 均值（FCM）聚类 271
17.1 FCM 聚类算法原理 271
17.2 FCM 算法实现及应用举例 274
17.3 FCM 与 k-means 算法的比较 278
第 18 章 改进的模糊 C 均值聚类 279
18.1 PFCM 聚类算法 279
18.2 KFCM 聚类算法 284
18.3 SSFCM 聚类算法 288
18.4 聚类算法的量化评估和图像分割的比较 293
第五部分 应 用
第 19 章 机器学习算法的综合应用 303
19.1 鸢尾属植物的分类与聚类 303
19.2 基于 PCA 和 KPCA 预处理的乳腺细胞分类与聚类 308
19.3 基于 LDA 和 KLDA 预处理的酒的分类与聚类 317
第 20 章 机器学习和深度学习的工程应用 328
20.1 基于 SVM 的天气雷达回波干扰图像的分类 328
20.2 基于 FCM 的变密度光条纹图像的滤波 333
20.3 基于 FCM 的光条纹图像的二值化 336
20.4 基于 ANN 的全场相位的插值 338
20.5 基于全卷积神经网络的多尺度视网膜图像血管分割 342
20.6 基于卷积神经网络 ESPI 条纹图滤波 345
20.7 基于 M-Net 分割网络的光条纹骨架线提取 348
专业术语中英文对照表 353
|
| 內容試閱：
|
机器学习是新思想、新观念、新理论、新技术不断出现并迅速发展的新兴学科，是人工智能的基础。目前几乎所有学科（工科、理科、金融和文法等）的研究方向都与机器学习相关，机器学习已经成为从事不同领域研究的重要手段和工具。本书为研究生和本科生机器学习相关课程的学习而编写。
本书的内容主要包括五部分：第一部分是机器学习中的数学基础，包括线性代数、概率统计与信息论、最优化方法和张量分析；机器学习是基于样本数据的，第二部分内容是样本数据的处理，包括 Kernel 方法、PCA、KPCA、LDA 和 KLDA；第三部分是监督学习，包括多变量线性回归及基于 Kernel 的线性回归、逻辑回归、贝叶斯分类器、决策树、随机森林、SVM、人工神经网络和卷积神经网络；第四部分是无监督学习，包括 k-means、FCM 和改进的 FCM；第五部分是应用，包括机器学习算法的综合应用、机器学习和深度学习的工程应用。
本书的特色如下。
（1）在相关背景知识中介绍了与机器学习相关的线性代数、优化理论等基础知识，自成体系，具有系统性、完整性，适合不同专业的学生学习。
（2）为提高学生的基础理论水平，本书注重基础理论的描述，包括每种机器学习算法的物理意义、如何公式化和如何数值求解的描述。
（3）为加深学生对基础理论的理解，同时提高学生解决工程实际问题的能力，本书包括对每种算法实现的介绍，并给出源码。
（4）编写力求由浅入深，层次分明，逻辑性强，可阅读性强，有利于读者自学。
（5）引入课题组及同行的最新科研成果，具有时代感和先进性。
本书全部书稿几经修改，也参考了很多国内外机器学习方面的著作和网络资源。本书前言、第 1 章、第 9—10 章、第 16—20 章由天津大学电气自动化与信息工程学院唐晨教授编写；第 2—6 章和第 15 章由山东大学数学学院付树军教授编写；第 7—8 章、第 11—14 章由天津大学电气自动化与信息工程学院徐岩副教授编写。由于编著者水平有限、时间紧迫，书中可能尚有不足之处，恳请广大读者批评指正，使本书得以改进和完善。
本书获得“天津大学研究生创新人才培养项目”（项目编号 YCX19049）资助，以及山东大学教育教学改革研究项目和山东大学研究生国际化课程建设项目的支持；清华大学出版社高晓蔚编辑对本书的出版提供了很大的帮助；唐晨课题组的研究生徐敏、陈明明、刘晨秀、韩睿、陈蕾、赵琦、黄纵横、黄圣鉴、谢慧颖，付树军课题组的研究生王建行、徐奥、于博宇、崔婉婉和廖胜海，徐岩课题组的研究生秦宏、黄佳妮、王彦昀在本书的编写中做了大量的工作，在此一并表示由衷的感谢！
编著者
2022 年 3 月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
