新書推薦：
《
通官绅之邮：江苏地方精英的角色（1905—1914）
》
售價：HK$
101.2
《
埃隆·马斯克品牌管理手册
》
售價：HK$
67.9
《
史家讲史：三国史新论
》
售價：HK$
66.7
《
资本运作II：高增长企业的操盘逻辑
》
售價：HK$
90.9
《
抢占心智第一：一本书吃透定位实战要领（“定位之父”艾·里斯传承人张云全新力作）
》
售價：HK$
71.3
《
这就是孤独症：事实、数据和道听途说
》
售價：HK$
57.4
《
男性困境：他们内心的创伤、恐惧与愤怒
》
售價：HK$
67.9
《
财之道丛书·国家的贫困与繁荣
》
售價：HK$
78.2
|
| 編輯推薦： |
|
本书从工业背景下的机器学习技术需求出发，详细讨论机器学习的各个分支技术，包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术等，并在此基础上，对机器学习相关的应用系统进行了分析。
|
| 內容簡介： |
|
本书详细讨论工业背景下机器学习的各个分支及其实现技术，包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术，并在此基础上，对机器学习在脑电情感识别、声纹识别和图像分类等领域的应用做了介绍。本书主要面向对机器学习、人工智能等方向感兴趣的学者和从事该方面研究的技术人员、博士、硕士研究生等。
|
| 目錄：
|
第1章 绪论 001
1.1 工业发展与机器学习 002
1.2 矩阵型分类学习 004
1.3 多视角学习 005
1.4 不平衡数据分类学习 007
1.5 集成学习 010
1.6 深度学习 010
参考文献 013
第2章 矩阵型分类学习 017
2.1 矩阵型方法概述 018
2.2 局部敏感判别矩阵学习机 020
2.2.1 LSDMatMHKS算法 020
2.2.2 实验与分析 027
2.3 矩阵多类学习机 041
2.3.1 McMatMHKS模型 041
2.3.2 实验 043
2.3.3 分析讨论 054
2.4 基于向量分离策略的高效矩阵型分类器 056
2.4.1 EMatMHKS模型 056
2.4.2 基于向量分离策略的高效矩阵型分类器 057
2.4.3 实验与分析 061
参考文献 077
第3章 多视角学习 081
3.1 概述 082
3.2 先验信息融合的正则化型分类器 084
3.2.1 挖掘数据先验信息 084
3.2.2 多核学习与经验核映射 085
3.2.3 TSMEKL模型 088
3.2.4 实验 093
3.2.5 推广风险分析 105
3.3 Nystr?m近似矩阵的多核学习算法 108
3.3.1 多核学习算法 108
3.3.2 NMKMHKS模型 110
3.3.3 实验 114
3.4 Universum的多视角分类学习算法 127
3.4.1 多视角学习算法 127
3.4.2 UMultiV-MHKS模型 127
3.4.3 实验 132
参考文献 149
第4章 不平衡数据分类学习 153
4.1 概述 154
4.2 基于数据空间信息的样本选择方法 156
4.2.1 样本选择框架NearCount 156
4.2.2 实验结果分析与讨论 164
4.3 基于二叉树结构的数据空间分治策略 185
4.3.1 SPT算法 185
4.3.2 实验结果分析与讨论 195
4.4 基于熵和万有引力的动态半径近邻分类器 216
4.4.1 EGDRNN模型 216
4.4.2 实验 222
4.4.3 分析讨论 232
参考文献 236
第5章 集成学习 239
5.1 概述 240
5.2 基于视角间相似度损失的多经验核集成学习模型 242
5.2.1 多视角与核学习的方法 242
5.2.2 MVE-EK算法模型 245
5.2.3 实验与分析 251
5.3 基于数据全局空间特性的多平衡子集协同训练算法 263
5.3.1 多平衡子集协同训练算法 263
5.3.2 基于数据全局空间特性的多平衡子集协同训练算法 264
5.3.3 实验与分析 268
5.4 基于熵与置信度的下采样Boosting集成 294
5.4.1 基于熵与置信度的下采样Boosting集成方法 294
5.4.2 ECUBoost算法模型 295
5.4.3 实验与分析 301
参考文献 320
第6章 深度学习 323
6.1 概述 324
6.2 基于扰动的助推器网络驱动协同训练模型 327
6.2.1 归纳式半监督的方法 327
6.2.2 BDCT模型 328
6.2.3 实验与分析 335
6.3 强制平滑的投影梯度下降对抗训练模型 345
6.3.1 防御对抗攻击的方法 345
6.3.2 SEAT模型 347
6.3.3 实验与分析 351
6.4 面向多标签图像分类的融合先验信息的语义补充模型 362
6.4.1 多标签图像分类的方法 362
6.4.2 融合先验信息的语义补充模型（SSNP） 364
6.4.3 实验结果与分析 369
参考文献 376
第7章 应用案例 381
7.1 脑电信号自动情感识别 382
7.1.1 脑电情感识别算法的应用与发展 382
7.1.2 脑电信号的类别与特点 382
7.1.3 脑电信号自动情感识别系统 387
7.1.4 总结 410
7.2 基于语音的生物认证系统 413
7.2.1 语音生物认证技术的研究背景 413
7.2.2 基于多网络集成的声纹识别系统描述 414
7.2.3 总结 426
7.3 面向图像分类的半监督学习系统 426
7.3.1 图像分类技术发展 426
7.3.2 基于半监督学习的图像分类系统 429
7.3.3 总结 438
参考文献 440
|
| 內容試閱：
|
作为过去十年里最重要的人工智能技术之一，机器学习技术深刻影响了工业生产的方方面面，无论是工业生产设备的故障检出、工厂智能化的流程监控和管理，还是工业产品缺陷的分析，都无时无刻不在使用各种机器学习技术。在工业生产过程不断复杂化、规模化的新工业时代，如何实现工业的信息化和智能化对提高我国整体工业生产水平有很重要的现实意义，也是各界持续关注和广泛研究的重要课题。机器学习正在为工业生产制造开创一个新时代。
机器学习技术主要研究如何让计算机模拟人类的学习行为，在复杂数据中学习规律，以预测未来的行为结果和趋势。其所处理的数据特点也不尽相同，如根据数据模态不同，有文本数据、图像数据、语音数据、视频数据等；根据数据的分布不同，有平衡数据和不平衡数据；根据数据的类型不同，有向量型数据和矩阵型数据。根据所处理的数据对象的特点，机器学习技术也被细分成不同的分支，有针对性地学习不同数据的表示和规律。
本书从工业背景下的机器学习技术的需求出发，详细讨论机器学习的各个分支技术，包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术等，并在此基础上，对机器学习相关的应用系统进行了分析。
本书采取理论与实践并重的方式介绍机器学习技术。在理论层面，力求覆盖面广，涵盖机器学习技术的所有重要分支。在具体技术层面，力求深入浅出，重点介绍技术产生的应用背景，以及该技术解决应用中痛点问题的基本原理。对技术实现细节感兴趣的读者，可以通过书中列出的引文，从原始文献中获取相关信息。在实践层面，本书介绍了机器学习技术如何应用于实际的应用场景，如脑电情感识别、声纹识别和图像分类等领域。希望这样的安排，能够满足不同层面的读者对机器学习技术的研习需求。
本书主要面向对机器学习、人工智能等方向感兴趣的学者和从事该方面研究的技术人员、博士、硕士研究生等。本书要求读者具有一定的计算机基础和高等数学相关知识。希望本书在帮助读者了解机器学习发展的同时，能够为相关领域的工作者在进行机器学习开发时提供借鉴。
本书由华东理工大学信息科学与工程学院王喆教授、李冬冬副教授著，华东理工大学信息科学与工程学院研究生张琮昊、俞成威、张禹、巩佳义、冯伟、冷悦、王欣茹、黄楠、雷博浩、张延冰、唐芮琪等同学参与本书的校对以及插图绘制等工作，在此，表示深深的感谢。
由于作者水平有限，书中难免会有疏漏之处，敬请同行和读者不吝赐教，我们当深表感谢。
著者
|
|
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
