機(jī)器學(xué)習(xí)與視覺感知（第2版）

定　價：￥49.00

作　者：	張寶昌，楊萬扣，林娜娜著
出版社：	清華大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥41.70)

ISBN：	9787302561859	出版時間：	2020-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	123	字?jǐn)?shù)：

內(nèi)容簡介

　　《機(jī)器學(xué)習(xí)與視覺感知（第2版）》分為基礎(chǔ)篇和高級篇?；A(chǔ)篇介紹機(jī)器學(xué)習(xí)的主要原理和方法、以及最近幾年來的新進(jìn)展，包括機(jī)器學(xué)習(xí)的發(fā)展史、決策樹學(xué)習(xí)、PAC模型、貝葉斯學(xué)習(xí)、支持向量機(jī)、AdaBoost、壓縮感知、子空間、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)、MCNs、強(qiáng)化學(xué)習(xí)等內(nèi)容。在高級篇部分，主要介紹一下作者多年來在機(jī)器學(xué)習(xí)與視覺感知方面的研究成果，包括HGPP、LDP、KBP、高階差分碼、Kernel Learning、Bag of Feature model等方法原理闡述與應(yīng)用。

作者簡介

　　張寶昌，北京航空航天大學(xué)自動化學(xué)院長聘副教授，特聘研究員。2001-2006年，中國科學(xué)院，中科院聯(lián)合實(shí)驗室（jdl）2007年優(yōu)秀論文提名獎。2006-2007，先后在香港中文大學(xué)、澳大利亞Griffith University從事研究工作，主要的研究方向為人臉識別、視頻理解、機(jī)器學(xué)習(xí)。2008.3-，北航自動化學(xué)院，主講“模式識別與機(jī)器學(xué)習(xí)”“現(xiàn)代控制導(dǎo)論”“機(jī)器學(xué)習(xí)理論與應(yīng)用”“圖像處理系列實(shí)驗”等課程。自獲得博士學(xué)位（2007年）以來發(fā)表論文40余篇，其中SCI（SCI）檢索期刊12篇（其中1篇錄用待檢索），EI檢索16篇，在SCI網(wǎng)絡(luò)版他引次數(shù)155次。

圖書目錄

第1章機(jī)器學(xué)習(xí)的發(fā)展史
引言
1．1 機(jī)器學(xué)習(xí)
1．1．1 基本簡介
1．1．2 機(jī)器學(xué)習(xí)的定義和研究意義
1．1．3 機(jī)器學(xué)習(xí)的發(fā)展史
1．1．4 機(jī)器學(xué)習(xí)的主要策略
1．1．5 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
1．1．6 機(jī)器學(xué)習(xí)的分類
1．1．7 目前研究領(lǐng)域
1．2 統(tǒng)計模式識別問題
1．2．1 機(jī)器學(xué)習(xí)問題的表示
1．2．2 經(jīng)驗風(fēng)險最小化
1．2．3 復(fù)雜性與推廣能力
1．3 統(tǒng)計學(xué)習(xí)理論的核心內(nèi)容
1．3．1 學(xué)習(xí)過程一致性的條件
1．3．2 推廣性的界
1．3．3 結(jié)構(gòu)風(fēng)險最小化
小結(jié)
第2章 PAC模型
引言
2．1 基本的PAC模型
2．1．1 PAC簡介
2．1．2 基本概念
2．1．3 問題框架
2．2 PAC模型樣本復(fù)雜度分析
2．2．1 有限空間樣本復(fù)雜度
2．2．2 無限空間樣本復(fù)雜度
小結(jié)
第3章決策樹學(xué)習(xí)
引言
3．1 決策樹學(xué)習(xí)概述
3．1．1 決策樹
3．1．2 性質(zhì)
3．1．3 應(yīng)用
3．1．4 學(xué)習(xí)
3．2 決策樹設(shè)計
3．2．1 決策樹的特點(diǎn)
3．2．2 決策樹的生成
小結(jié)
第4章貝葉斯學(xué)習(xí)
引言
4．1 貝葉斯學(xué)習(xí)
4．1．1 貝葉斯公式
4．1．2 最小誤差決策
4．1．3 正態(tài)密度
4．1．4 最大似然估計
4．2 樸素貝葉斯原理及應(yīng)用
4．2．1 貝葉斯最佳假設(shè)原理
4．2．2 Naive Bayes分類
4．2．3 基于Naive Bayes的文本分類器
4．3 HMM（隱性馬氏模型）及應(yīng)用
4．3．1 馬爾科夫性
4．3．2 馬爾科夫鏈
4．3．3 轉(zhuǎn)移概率矩陣
4．3．4 HMM（隱性馬爾科夫模型）及應(yīng)用
小結(jié)
第5章支持向量機(jī)
引言
5．1 支持向量機(jī)
5．2 支持向量機(jī)的核函數(shù)選擇
5．3 支持向量機(jī)的實(shí)例
5．4 多類支持向量機(jī)
小結(jié)
……
第6章 AdaBoost
第7章壓縮感知
第8章子空間
第9章深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
第10章調(diào)制卷積神經(jīng)網(wǎng)絡(luò)（MCN）
第11章強(qiáng)化學(xué)習(xí)
參考文獻(xiàn)