*完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202401*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:機器學習中的監督與無監督學習-模型 演算法與應用 ISBN:9787521855081 出版社:經濟科學 著編譯者:韋偉 頁數:333 所在地:中國大陸 *此為代購商品 書號:1624055 可大量預訂,請先連絡。 內容簡介 本書共9章,主要針對機器學習中監督與無監督學習的相關方法及應用領域進行研究,從主題模型、并行優化、行人重識別、圖像識別的角度進行分析和介紹。第1章對監督概率主題模型和無監督聚類模型的研究背景進行詳細介紹,從實際應用和技術方面兩個角度詳細介紹其中的研究和應用價值。第2章介紹面向文檔表示的監督主題模型,主要包含兩種改進的思路,即基於文檔生成過程的監督模型和面向學術搜索的監督模型。第3章介紹面向文本分析的半監督主題模型。第4章針對單機環境下頻繁模式增長演算法無法滿足大規模數據計算任務的問題,介紹面向并行優化的無監督學習模型。第5章介紹面向選址問題的無監督學習模型。第6章介紹面向特徵融合的無監督學習模型。第7章介紹面向視圖分析的無監督學習模型。第8章介紹面向數據處理的無監督學習模型。第9章介紹面向樣本分析的無監督學習模型。作者簡介 韋偉,1970年2月生,安徽全椒人,現任安徽工業大學管理科學與工程學院副教授,碩士生導師,1991年畢業於北京科技大學信息系統專業。省高新技術企業安徽學府、安徽雲軌公司合伙人,安徽省技術領軍人才,安徽省特支計劃人才,安徽優秀軟體人才,馬鞍山市優秀工匠。主要研究領域:資產與設備管理、信息系統設計、數據管理與應用、智能工廠、智慧軌道等。 主持軌道交通綜合運維繫統科研項目獲得工信部2018年、2020年工業互聯網App優秀解決方案,2020年主持的軌道交通客流大數據項目獲得「國家工信部大數據產業發展試點示範項目」稱號。主持國家發改委示範線項目——北京燕房線設備運維繫統設計與建設、南京地鐵集團資產管理體系規劃與業財一體化系統設計、南京地鐵6S+6M設備運維體系、寧波地鐵集團數據規劃項目、瀋陽地鐵集團資產管理體系建設、合肥地鐵架修智慧車間建設等,擔任《城市軌道交通行業大數據應用指南》主筆。主持山東中煙、陝西中煙、河南中煙、浙江中煙、重慶中煙等企業設備管理體系設計和信息化系統建設,與青島捲煙廠合作建立煙草行業設備健康管理體系,與濟南捲煙廠合作行業級設備數據與應用研究課題,與寧波捲煙廠合作知識圖譜應用行業研究課題。目錄 第1章 緒論1 1 研究背景及意義 1 2 研究內容 1 3 研究方法與研究框架 第2章 面向文檔表示的監督主題模型 2 1 研究綜述 2 2 理論基礎 2 3 共享背景主題的隱含狄利克雷分配模型 2 4 融合上游和下游監督方法的主題模型 2 5 總結與展望 第3章 面向文本分析的半監督主題模型 3 1 研究綜述 3 2 理論基礎 3 3 受限玻爾茲曼機的半監督主題模型 3 4 總結與展望 第4章 面向并行優化的無監督學習模型 4 1 研究綜述 4 2 理論基礎 4 3 并行優化的頻繁模式增長演算法模型 4 4 總結與展望 第5章 面向選址問題的無監督學習模型 5 1 研究綜述 5 2 理論基礎 5 3 改進K均值聚類演算法的候車點選址模型 5 4 總結與展望 第6章 面向特徵融合的無監督學習模型 6 1 研究綜述 6 2 理論基礎 6 3 改進人工魚群演算法的權重優化模型 6 4 基於多尺度視網膜皮層理論的局部最大化特徵模型 6 5 總結與展望 第7章 面向視圖分析的無監督學習模型 7 1 研究綜述 7 2 理論基礎 7 3 改進核交叉二次判別分析模型 7 4 無監督的非對稱度量學習模型 7 5 總結與展望 第8章 面向數據處理的無監督學習模型 8 1 研究綜述 8 2 理論基礎 8 3 度量學習的稀疏子空間聚類模型 8 4 自動權重學習的深度子空間聚類模型 8 5 總結與展望 第9章 面向樣本分析的無監督學習模型 9 1 研究綜述 9 2 理論基礎 9 3 對抗性學習的深度子空間聚類模型 9 4 自適應自步學習的深度子空間聚類模型 9 5 總結與展望 參考文獻 附錄 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |