注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網(wǎng)絡人工智能無監(jiān)督學習方法及其應用

無監(jiān)督學習方法及其應用

無監(jiān)督學習方法及其應用

定 價:¥88.00

作 者: 謝娟英
出版社: 電子工業(yè)出版社
叢編項:
標 簽: 計算機/網(wǎng)絡 人工智能

購買這本書可以去


ISBN: 9787121305023 出版時間: 2016-11-01 包裝: 平塑
開本: 頁數(shù): 432 字數(shù):  

內(nèi)容簡介

  無監(jiān)督學習是機器學習的一個重要分支,其在機器學習、數(shù)據(jù)挖掘、生物醫(yī)學大數(shù)據(jù)分析、數(shù)據(jù)科學等領域有著重要地位。本書闡述作者近年在無監(jiān)督學習領域所取得的主要研究成果,包括次勝者受罰競爭學習算法、K-means學習算法、K-medoids學習算法、密度學習算法、譜圖聚類算法;*后介紹了無監(jiān)督學習在基因選擇、疾病診斷中的應用。

作者簡介

  博士,副教授,碩士生導師,中國計算機學會高級會員。 "Health Information Science and Systems”副主編。主要研究方向為機器學習、數(shù)據(jù)挖掘、生物醫(yī)學大數(shù)據(jù)分析、智能信息處理等。

圖書目錄

目 錄
第1章 緒論1
  1.1 機器學習簡介1
  1.2 無監(jiān)督學習簡介2
第2章 數(shù)據(jù)預處理與樣本相似性度量31
  2.1 數(shù)據(jù)預處理方法31
  2.2 樣本相似性度量方法48
第3章 聚類結果評價指標55
  3.1 內(nèi)部評價指標55
  3.2 外部評價指標72
第4章 競爭學習算法87
  4.1 傳統(tǒng)次勝者受罰競爭學習算法87
  4.2 基于密度的次勝者受罰競爭算法95
  4.3 改進的密度次勝者受罰競爭學習算法99
第5章 K-means學習算法108
  5.1 傳統(tǒng)K-means聚類算法108
  5.2 密度RPCL優(yōu)化的K-means聚類算法111
  5.3 基于樣本分布密度的K-means聚類算法118
  5.4 最小方差優(yōu)化初始聚類中心的K-means算法125
  5.5 全局K-means聚類算法134
  5.6 密度全局K-means聚類算法136
  5.7 粗糙K-means聚類算法142
  5.8 粒度K-means聚類算法150
第6章 K-medoids學習算法171
  6.1 傳統(tǒng)K-medoids聚類算法171
  6.2 快速K-medoids聚類算法173
  6.3 鄰域K-medoids聚類算法180
  6.4 方差優(yōu)化初始聚類中心的K-medoids算法187
  6.5 粒度K-medoids聚類算法209
  6.6 密度峰值優(yōu)化初始聚類中心的K-medoids聚類算法234
第7章 基于密度的無監(jiān)督學習算法259
  7.1 DBSCAN算法259
  7.2 快速密度峰值發(fā)現(xiàn)聚類算法262
  7.3 K近鄰優(yōu)化的快速密度峰值發(fā)現(xiàn)聚類算法265
  7.4 模糊加權K近鄰優(yōu)化的密度峰值發(fā)現(xiàn)聚類算法286
第8章 譜圖聚類算法302
  8.1 最小生成樹聚類算法302
  8.2 譜聚類算法306
第9章 無監(jiān)督學習方法的應用318
9.1 基于無監(jiān)督學習的基因選擇318
  9.2 基于無監(jiān)督學習的疾病診斷338
9.3 無監(jiān)督學習在生物醫(yī)學大數(shù)據(jù)分析中的應用展望 404

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號