下载 >  人工智能 >  机器学习 > 机器学习导论 原书第2版_超高清pdf

机器学习导论 原书第2版_超高清pdf

作 者 :(土耳其)Ethem Alpaydin,范明著 出版发行 : 2014.04 参考文献格式 : (土耳其)Ethem Alpaydin,范明著. 机器学习导论 原书第2版[M]. 2014.04.
2018-04-16 上传大小:78.79MB
想读
分享
收藏 (1) 举报
计算机科学导论-弗罗赞 PDF扫描版(原书第二版)

本书是一本百科全书式的计算机专业入门读物,涉及计算机科学的方方面面。本书强调的是概念而不是数学模型和技术细节,并通过大量图片,图标和演示来增强读者对内容的理解和知识掌握。ps:附带目录索引

立即下载
机器学习导论 高清带书签PDF版

《机器学习导论》讨论了机器学习在统计学、模式识别、神经网络。人工智能。信号处理、控制和数据挖掘等不同领域的应用。对所有学习算法都进行了解释,以便读者可以容易地将书中的公式转变为计算机程序。《机器学习导论》可作为高等院校计算机相关专业高年级本科生和研究生的教材,也可供研究机器学习方法的技术人员参考。

立即下载
算法导论_原书第3版_完整清晰版.pdf

算法导论_原书第3版_完整清晰版.pdf,仅用学习使用,不可用于商业用途,如有版权问题,请联系删除!

立即下载
神经网络与机器学习[原书第3版].pdf

神经网络是计算智能和机器学习的重要分支,在诸多领域都取得了很大的成功。在众多神经网络著作中,影响最为广泛的是Simon Haykin的《神经网络原理》(第3版更名为《神经网络与机器学习》)。在本书中,作者结合近年来神经网络和机器学习的最新进展,从理论和实际应用出发,全面、系统地介绍了神经网络的基本模型、方法和技术,并将神经网络和机器学习有机地结合在一起。 本书不但注重对数学分析方法和理论的探讨,而且也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题的应用。本书的可读性非常强,作者举重若轻地对神经网络的基本模型和主要学习理论进行了深入探讨和分析,通过大量的试验报告、例题和习题来帮助读者更好地学习神经网络。 本版在前一版的基础上进行了广泛修订,提供了神经网络和机器学习这两个越来越重要的学科的最新分析。 本书特色: 1. 基于随机梯度下降的在线学习算法;小规模和大规模学习问题。 2. 核方法,包括支持向量机和表达定理。 3. 信息论学习模型,包括连接、独立分量分析(ICA)、一致独立分量分析和信息瓶颈。 4. 随机动态规划,包括逼近和神经动态规划。 5. 逐次状态估计算法,包括卡尔曼和粒子滤波器。 6. 利用逐次状态估计算法训练递归神经网络。 7. 富有洞察力的面向计算机的试验。

立即下载
机器学习导论(原书第2版).[土耳其]Ethem Alpaydin(带详细书签)

本书对机器学习的定义和应用实例进行了介绍,涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、维度归约、聚类、非参数方法、决策树、线性判别式、多层感知器、局部模型、隐马尔可夫模型、分类算法评估和比较、组合多学习器以及增强学习等。最新的第2版增加了三章内容,分别是核机器、图模型、贝叶斯估计,扩展了统计测试的内容,教学案例可以从本书配套网站下载。 机器学习的目标是对计算机编程,以便使用样本数据或以往的经验来解决给定的问题。机器学习已经有许多成功应用,包括分析以往销售数据来预测客户行为,优化机器人的行为以便使用最少的资源来完成任务,以及从生物信息数据中提取知识的各种系统。本书是关于机器学习这一主题内容全面的教科书,涵盖了通常在机器学习导论中并不包括的广泛题材。为了对机器学习问题和解进行统一的论述,本书讨论了源自不同领域的多种方法,包括统计学、模式识别、神经网络、人工智能、信号处理、控制和数据挖掘。书中对所有学习算法都进行了解释,以便读者可以轻易地将书中的公式转变为计算机程序。本书可用作高年级本科生或硕士研究生的教材,也可作为关注机器学习方法应用的专业人员的参考书。 第2版新增内容 各章都进行了改写和更新,新增了核机器(第13章)、贝叶斯估计(第14章)和图模型(第16章)内容。 在机器学习实验的设计和分析一章(第19章)中扩展了统计检验的内容。 在本书配套网站(http://www.cmpe.boun.edu.tr/~ethem/i2ml2e/)上提供了PPT、勘误等。 增加了一些习题。 作者简介 Ethem Alpaydin 土耳其伊斯坦布尔博阿齐奇大学(Bogazi?i University)计算机工程系教授。他于1990年在瑞士洛桑联邦理工学院获博士学位,1991年在加州大学伯克利分校国际计算机研究所(ICS, UC Berkeley)做博士后工作;之后作为访问学者,先后在美国麻省理工学院、加州大学伯克利分校国际计算机研究所、瑞士戴尔莫尔感知人工智能研究所(IDIAP)从事研究工作。他是土耳其科学院院士,IEEE高级会员,牛津大学出版社《The Computer Journal》杂志编委和Elsevier出版社《Pattern Recognition》杂志副主编。

立即下载
机器学习 原书完整版本全部PDF

机器学习 原书完整版本全部PDF

立即下载
机器学习导论(Introduction to Machine Learning)第二版中文版PDF和习题答案

找了很久的机器学习导论第二版中文版,还有课后习题答案

立即下载
电路分析导论(原书第12版)鲍利斯塔 (Robert L.Blylestad)

压缩成两部分,这是第一部分,请下载全。 鲍利斯塔所著的《电路分析导论》是电路分析的入门教材,主要内容包括:电压与电流、电阻、电容、电感、磁路、变压器、串并联交直流电路的等效化简、复杂交直流电路方程的列写、交直流电路中的网络定理、交直流电路的功率、谐振电路、滤波器与伯德图、RC及RL电路对直源电源的响应、RC电路对周期脉冲电源的响应、多相电路、非正弦周期电流电路,以及系统的端口分析等。本教材具有理论分析与工程应用相结合的特点,包含众多的工程案例、严格运用计量单位、经常使用元件参数标称值等,处处体现了教材面向工程教育的特色。由浅入深的引导式叙述、活泼亲和的教材语言、精美形象的插图,会让自学者倍感愉悦。   本书可作为高等院校电气类、电子信息类、自动化类专业本科生“电路理论”、“电路分析”课程教材或教学参考书,也可供工程技术人员和电路爱好者参考。

立即下载
算法导论 (原书第二版) 中文 PDF 清晰版

《算法导论(原书第2版)》深入浅出,全面地介绍了计算机算法。对每一个算法的分析既易于理解又十分有趣,并保持了数学严谨性。《算法导论(原书第2版)》的设计目标全面,适用于多种用途。涵盖的内容有:算法在计算中的作用,概率分析和随机算法的介绍。本书专门讨论了线性规划,介绍了动态规划的两个应用,随机化和线性规划技术的近似算法等,还有有关递归求解、快速排序中用到的划分方法与期望线性时间顺序统计算法,以及对贪心算法元素的讨论。《算法导论(原书第2版)》还介绍了对强连通子图算法正确性的证明,对哈密顿回路和子集求和问题的np完全性的证明等内容。《算法导论(原书第2版)》提供了900多个练习题和思考题以及叙述较为详细的实例研究。. 《算法导论(原书第2版)》内容丰富,对本科生的数据结构课程和研究生的算法课程都是很实用的教材。《算法导论(原书第2版)》在读者的职业生涯中,也是一本案头的数学参考书或工程实践手册。 在有关算法的书中,有一些叙述非常严谨,但不够全面,另一些涉及了大量的题材,但又缺乏严谨性。《算法导论》将严谨性和全面性融为一体。.. 《算法导论(原书第2版)》深入讨论各类算法,并着力使这些算法的设计和分析能为各个层次的读者接受。各章自成体系,可以作为独立的学习单元。算法以英语和伪代码的形式描述,具备初步程序设计经验的人就能看懂。说明和解释力求浅显易懂,不失深度和数学严谨性。 《算法导论(原书第2版)》自第1版出版以来,已经成为世界范围内广泛使用的大学教材和专业人员的标准参考书。第2版增加了论述算法作用、概率分析与随机算法、线性规划等几章。同时,对第1版的几乎每一节都作了大量的修订。一项巧妙而又重要的修改是提前引入循环不变式,并在全书中用来证明算法的正确性。在不改变数学和分析重点的前提下,作者将许多数学基础知识从第一部分移到了附录中,并在开始部分加入了一些富有诱导性的题材。 目录: 第一部分 基础知识 引言 第1章 算法在计算中的作用 1.1 算法 1.2 作为一种技术的算法 第2章 算法入门 2.1 插入排序 2.2 算法分析 2.3 算法设计 2.3.1 分治法 2.3.2 分治法分析 第3章 函数的增长 3.1 渐近记号 3.2 标准记号和常用函数 第4章 递归式 4.1 代换法 .4.2 递归树方法 4.3 主方法 *4.4 主定理的证明 4.4.1 取正合幂时的证明 4.4.2 上取整函数和下取整函数 第5章 概率分析和随机算法 5.1 雇用问题 5.2 指示器随机变量 5.3 随机算法 *5.4 概率分析和指示器随机变量的进一步使用 5.4.1 生日悖论 5.4.2 球与盒子 5.4.3 序列 5.4.4 在线雇用问题 第二部分 排序和顺序统计学 引言 第6章 堆排序 6.1 堆 6.2 保持堆的性质 。。。。。。

立即下载
神经网络与机器学习 原书第3版_PDF电子书下载 高清 带索引书签目录_sample

神经网络与机器学习 原书第3版_PDF电子书下载 高清 带索引书签目录_sample

立即下载
并行计算导论(原书第2版) 中文清晰PDF

并行计算导论系统介绍涉及并行计算的体系结构、编程范例、算法与应用和标准等。覆盖了并行计算领域的传统问题,并且尽可能地采用与底层平台无关的体系结构和针对抽象模型来设计算法。书中选择MPI(Message Passing Interface)、POSIX线程和OpenMP这三个应用*广泛的编写可移植并行程序的标准作为编程模型,并在不同例子中反映了并行计算的不断变化的应用组合。本书结构合理,可读性强,加之每章精心设计的习题集,更加适合教学。 本书论述清晰,示例生动,并附有大量习题,适合作为高等院校计算机及相关专业本科生和研究生的教材或参考书。原版自1993年出版第1版到2003年出版第2版以来,已在世界范围内被广泛地采用为高等院校本科生和研究生的教材或参考书。 并行计算导论(原书第2版) 清晰PDF 内容简介 本书全面介绍并行计算的各个方面,包括体系结构、编程范例、算法与应用和标准等,涉及并行计算的新技术,也覆盖了较传统的算法,如排序、搜索、图和动态编程等。本书尽可能采用与底层平台无关的体系结构并且针对抽象模型来设计处落地。书中选择MPI、POSIX线程和OpenMP作为编程模型,并在不同例子中反映了并行计算的不断变化的应用组合。 本书论述清晰,示例生动。并附有大量习题。适合作为高等院校计算机及相关专业本科生和研究生的教材或参考书。 作者简介 Ananth Grama 普度大学计算机科学系的副教授,研究领域是并行和分布式系统和应用的不同方面。Anshul Gupta IBM T.3J.3Watson Research Center的研究人员,研究领域是并行算法和科学计算。George Karypis 明尼苏达大学计算机科学和工程系的副教授,研究领域是并行算法设计.数据挖掘和生物信息学等。Vipin Kumar 明尼苏达大学计算机科学与工程系的教授,美国军用高性能计算研究中心的主任,研究领域是高性能计算. 用于科学计算问题和数据挖掘的并行算法

立即下载
并行计算导论PDF 第2版 中文版

《并行计算导论(原书第2版)》本书系统介绍涉及并行计算的体系结构、编程范例、算法与应用和标准等。覆盖了并行计算领域的传统问题,并且尽可能地采用与底层平台无关的体系结构和针对抽象模型来设计算法。这里上传的是第2版的中文版

立即下载
Intel微处理器(原书第8版)].(布雷).金惠华等.中文带书签 扫描版

Intel微处理器(原书第8版)].(布雷).金惠华等.中文带书签 扫描版 网上下载的其他版本562页后面可能会出现相同的页面!! 分2个压缩包上传

立即下载
电路分析导论(原书第12版)2014-10 鲍利斯塔 (Robert L.Blylestad)、陈希有

诞生于1968年,具有40余年历史,现由Pearson出版社出版的电路课程教材:《Introductory Circuit Analysis》是一本在国际上有着持续而广泛影响的优秀教材。主要参与人数合计超过60人,他们来自多所大学和著名公司,已被译成6种语言。这些足以说明该教材广受欢迎的程度。本次翻译的是该教材的第12版,由Robert L.Boylestad(CUNY-Queensborough Community College,纽约城市大学皇后社区学院)主编,于2010年出版。无论与国内还是与国外同类教材相比,本书都有着鲜明的特色。对教师和学生、对课堂教学和教材编写,都有着极好的学习和借鉴作用。《电路分析导论(原书第12版)》是电路分析的入门教材,主要内容包括:电压与电流、电阻、电容、电感、磁路、变压器、串并联交直流电路的等效化简、复杂交直流电路方程的列写、交直流电路中的网络定理、交直流电路的功率、谐振电路、滤波器与伯德图、RC及RL电路对直源电源的响应、RC电路对周期脉冲电源的响应、多相电路、非正弦周期电流电路,以及系统的端口分析等。本教材具有理论分析与工程应用相结合的特点,包含众多的工程案例、严格运用计量单位、经常使用元件参数标称值等,处处体现了教材面向工程教育的特色。由浅入深的引导式叙述、活泼亲和的教材语言、精美形象的插图,会让自学者倍感愉悦。 《电路分析导论(原书第12版)》可作为高等院校电气类、电子信息类、自动化类专业本科生“电路理论”、“电路分析”课程教材或教学参考书,也可供工程技术人员和电路爱好者参考。

立即下载
计算机科学概论 第3版 机械工业出版社 高清完整版 PDF.pdf

计算机科学概论由两位知名的计算机科学教育家编写,全面而细致地介绍了计算机科学的各个方面。书中,计算系统的每个分层都以剖析,从住处层开始,历经硬件层、程序设计层、操作系统层、应用程序层的通信层,最后讨论了计算的限制。此外,正文中穿插了大量的人物传记、历史注释、道德问题和最新的技术发展信息,有助于你进一步了解计算机科学。每章后面都附带有大量的练习,可以帮助你即时重温并掌握这一章所述的内容。 计算机科学概论是计算和计算机科学引论课程的理想教材,对于想要了解计算机科学概况的非专业人员,本书也是一个很好的选择。

立即下载
计算机系统概论(原书第2版)

计算机系统概论(原书第2版), 适合计算机系统与结构的初学者参考学习

立即下载
机器学习导论 原书 第2版.pdf下载

机器学习导论 原书 第2版.pdf下载地址,高清完整版

立即下载
Java核心技术(卷1)基础知识-原书第10版(2016年)--超清中文pdf扫描版

和java编程思想齐名的java经典书,第10版针对java8有最新更新。

立即下载
数据挖掘:概念与技术原书第3版(中文)_高清扫描版

数据挖掘 概念与技术 第三版中文版 pdf 出版者的话 中文版序 译者序 译者简介 第3版序 第2版序 前言 致谢 作者简介 第1章 引论 1.1 为什么进行数据挖掘 1.1.1 迈向信息时代 1.1.2 数据挖掘是信息技术的进化 1.2 什么是数据挖掘 1.3 可以挖掘什么类型的数据 1.3.1 数据库数据 1.3.2 数据仓库 1.3.3 事务数据 1.3.4 其他类型的数据 1.4 可以挖掘什么类型的模式 1.4.1 类/概念描述:特征化与区分 1.4.2 挖掘频繁模式、关联和相关性 1.4.3 用于预测分析的分类与回归 1.4.4 聚类分析 1.4.5 离群点分析 1.4.6 所有模式都是有趣的吗 1.5 使用什么技术 1.5.1 统计学 1.5.2 机器学习 1.5.3 数据库系统与数据仓库 1.5.4 信息检索 1.6 面向什么类型的应用 1.6.1 商务智能 1.6.2 Web搜索引擎 1.7 数据挖掘的主要问题 1.7.1 挖掘方法 1.7.2 用户界面 1.7.3 有效性和可伸缩性 1.7.4 数据库类型的多样性 1.7.5 数据挖掘与社会 1.8 小结 1.9 习题 1.10 文献注释 第2章 认识数据 2.1 数据对象与属性类型 2.1.1 什么是属性 2.1.2 标称属性 2.1.3 二元属性 2.1.4 序数属性 2.1.5 数值属性 2.1.6 离散属性与连续属性 2.2 数据的基本统计描述 2.2.1 中心趋势度量:均值、中位数和众数 2.2.2 度量数据散布:极差、四分位数、方差、标准差和四分位数极差 2.2.3 数据的基本统计描述的图形显示 2.3 数据可视化 2.3.1 基于像素的可视化技术 2.3.2 几何投影可视化技术 2.3.3 基于图符的可视化技术 2.3.4 层次可视化技术 2.3.5 可视化复杂对象和关系 2.4 度量数据的相似性和相异性 2.4.1 数据矩阵与相异性矩阵 2.4.2 标称属性的邻近性度量 2.4.3 二元属性的邻近性度量 2.4.4 数值属性的相异性:闵可夫斯基距离 2.4.5 序数属性的邻近性度量 2.4.6 混合类型属性的相异性 2.4.7 余弦相似性 2.5 小结 2.6 习题 2.7 文献注释 第3章 数据预处理 3.1 数据预处理:概述 3.1.1 数据质量:为什么要对数据预处理 3.1.2 数据预处理的主要任务 3.2 数据清理 3.2.1 缺失值 3.2.2 噪声数据 3.2.3 数据清理作为一个过程 3.3 数据集成 3.3.1 实体识别问题 3.3.2 冗余和相关分析 3.3.3 元组重复 3.3.4 数据值冲突的检测与处理 3.4 数据归约 3.4.1 数据归约策略概述 3.4.2 小波变换 3.4.3 主成分分析 3.4.4 属性子集选择 3.4.5 回归和对数线性模型:参数化数据归约 3.4.6 直方图 3.4.7 聚类 3.4.8 抽样 3.4.9 数据立方体聚集 3.5 数据变换与数据离散化 3.5.1 数据变换策略概述 3.5.2 通过规范化变换数据 3.5.3 通过分箱离散化 3.5.4 通过直方图分析离散化 3.5.5 通过聚类、决策树和相关分析离散化 3.5.6 标称数据的概念分层产生 3.6 小结 3.7 习题 3.8 文献注释 第4章 数据仓库与联机分析处理 4.1 数据仓库:基本概念 4.1.1 什么是数据仓库 4.1.2 操作数据库系统与数据仓库的区别 4.1.3 为什么需要分离的数据仓库 4.1.4 数据仓库:一种多层体系结构 4.1.5 数据仓库模型:企业仓库、数据集市和虚拟仓库 4.1.6 数据提取、变换和装入 4.1.7 元数据库 4.2 数据仓库建模:数据立方体与OLAP 4.2.1 数据立方体:一种多维数据模型 4.2.2 星形、雪花形和事实星座:多维数据模型的模式 4.2.3 维:概念分层的作用 4.2.4 度量的分类和计算 4.2.5 典型的OLAP操作 4.2.6 查询多维数据库的星网查询模型 4.3 数据仓库的设计与使用 4.3.1 数据仓库的设计的商务分析框架 4.3.2 数据仓库的设计过程 4.3.3 数据仓库用于信息处理 4.3.4 从联机分析处理到多维数据挖掘 4.4 数据仓库的实现 4.4.1 数据立方体的有效计算:概述 4.4.2 索引OLAP数据:位图索引和连接索引 4.4.3 OLAP查询的有效处理 4.4.4 OLAP服务器结构:ROLAP、MOLAP、HOLAP的比较 4.5 数据泛化:面向属性的归纳 4.5.1 数据特征的面向属性的归纳 4.5.2 面向属性归纳的有效实现 4.5.3 类比较的面向属性归纳 4.6 小结 4.7 习题 4.8 文献注释 第5章 数据立方体技术 5.1 数据立方体计算:基本概念 5.1.1 立方体物化:完全立方体、冰山立方体、闭立方体和立方体外壳 5.1.2 数据立方体计算的一般策略 5.2 数据立方体计算方法 5.2.1 完全立方体计算的多路数组聚集 5.2.2 BUC:从顶点方体向下计算冰山立方体 5.2.3 Star-Cubing:使用动态星树结构计算冰山立方体 5.2.4 为快速高维OLAP预计算壳片段 5.3 使用探索立方体技术处理高级查询 5.3.1 抽样立方体:样本数据上基于OLAP的挖掘 5.3.2 排序立方体:top-k查询的有效计算 5.4 数据立方体空间的多维数据分析 5.4.1 预测立方体:立方体空间的预测挖掘 5.4.2 多特征立方体:多粒度上的复杂聚集 5.4.3 基于异常的、发现驱动的立方体空间探查 5.5 小结 5.6 习题 5.7 文献注释 第6章 挖掘频繁模式、关联和相关性:基本概念和方法 6.1 基本概念 6.1.1 购物篮分析:一个诱发例子 6.1.2 频繁项集、闭项集和关联规则 6.2 频繁项集挖掘方法 6.2.1 Apriori算法:通过限制候选产生发现频繁项集 6.2.2 由频繁项集产生关联规则 6.2.3 提高Apriori算法的效率 6.2.4 挖掘频繁项集的模式增长方法 6.2.5 使用垂直数据格式挖掘频繁项集 6.2.6 挖掘闭模式和极大模式 6.3 哪些模式是有趣的:模式评估方法 6.3.1 强规则不一定是有趣的 6.3.2 从关联分析到相关分析 6.3.3 模式评估度量比较 6.4 小结 6.5 习题 6.6 文献注释 第7章 高级模式挖掘 7.1 模式挖掘:一个路线图 7.2 多层、多维空间中的模式挖掘 7.2.1 挖掘多层关联规则 7.2.2 挖掘多维关联规则 7.2.3 挖掘量化关联规则 7.2.4 挖掘稀有模式和负模式 7.3 基于约束的频繁模式挖掘 7.3.1 关联规则的元规则制导挖掘 7.3.2 基于约束的模式产生:模式空间剪枝和数据空间剪枝 7.4 挖掘高维数据和巨型模式 7.5 挖掘压缩或近似模式 7.5.1 通过模式聚类挖掘压缩模式 7.5.2 提取感知冗余的top-k模式 7.6 模式探索与应用 7.6.1 频繁模式的语义注解 7.6.2 模式挖掘的应用 7.7 小结 7.8 习题 7.9 文献注释 第8章 分类:基本概念 8.1 基本概念 8.1.1 什么是分类 8.1.2 分类的一般方法 8.2 决策树归纳 8.2.1 决策树归纳 8.2.2 属性选择度量 8.2.3 树剪枝 8.2.4 可伸缩性与决策树归纳 8.2.5 决策树归纳的可视化挖掘 8.3 贝叶斯分类方法 8.3.1 贝叶斯定理 8.3.2 朴素贝叶斯分类 8.4 基于规则的分类 8.4.1 使用IF-THEN规则分类 8.4.2 由决策树提取规则 8.4.3 使用顺序覆盖算法的规则归纳 8.5 模型评估与选择 8.5.1 评估分类器性能的度量 8.5.2 保持方法和随机二次抽样 8.5.3 交叉验证 8.5.4 自助法 8.5.5 使用统计显著性检验选择模型 8.5.6 基于成本效益和ROC曲线比较分类器 8.6 提高分类准确率的技术 8.6.1 组合分类方法简介 8.6.2 装袋 8.6.3 提升和AdaBoost 8.6.4 随机森林 8.6.5 提高类不平衡数据的分类准确率 8.7 小结 8.8 习题 8.9 文献注释 第9章 分类:高级方法 9.1 贝叶斯信念网络 9.1.1 概念和机制 9.1.2 训练贝叶斯信念网络 9.2 用后向传播分类 9.2.1 多层前馈神经网络 9.2.2 定义网络拓扑 9.2.3 后向传播 9.2.4 黑盒内部:后向传播和可解释性 9.3 支持向量机 9.3.1 数据线性可分的情况 9.3.2 数据非线性可分的情况 9.4 使用频繁模式分类 9.4.1 关联分类 9.4.2 基于有区别力的频繁模式分类 9.5 惰性学习法(或从近邻学习) 9.5.1 k-最近邻分类 9.5.2 基于案例的推理 9.6 其他分类方法 9.6.1 遗传算法 9.6.2 粗糙集方法 9.6.3 模糊集方法 9.7 关于分类的其他问题 9.7.1 多类分类 9.7.2 半监督分类 9.7.3 主动学习 9.7.4 迁移学习 9.8 小结 9.9 习题 9.10 文献注释 第10章 聚类分析:基本概念和方法 10.1 聚类分析 10.1.1 什么是聚类分析 10.1.2 对聚类分析的要求 10.1.3 基本聚类方法概述 10.2 划分方法 10.2.1 k-均值:一种基于形心的技术 10.2.2 k-中心点:一种基于代表对象的技术 10.3 层次方法 10.3.1 凝聚的与分裂的层次聚类 10.3.2 算法方法的距离度量 10.3.3 BIRCH:使用聚类特征树的多阶段聚类 10.3.4 Chameleon:使用动态建模的多阶段层次聚类 10.3.5 概率层次聚类 10.4 基于密度的方法 10.4.1 DBSCAN:一种基于高密度连通区域的基于密度的聚类 10.4.2 OPTICS:通过点排序识别聚类结构 10.4.3 DENCLUE:基于密度分布函数的聚类 10.5 基于网格的方法 10.5.1 STING:统计信息网格 10.5.2 CLIQUE:一种类似于Apriori的子空间聚类方法 10.6 聚类评估 10.6.1 估计聚类趋势 10.6.2 确定簇数 10.6.3 测定聚类质量 10.7 小结 10.8 习题 10.9 文献注释 第11章 高级聚类分析 11.1 基于概率模型的聚类 11.1.1 模糊簇 11.1.2 基于概率模型的聚类 11.1.3 期望最大化算法 11.2 聚类高维数据 11.2.1 聚类高维数据:问题、挑战和主要方法 11.2.2 子空间聚类方法 11.2.3 双聚类 11.2.4 维归约方法和谱聚类 11.3 聚类图和网络数据 11.3.1 应用与挑战 11.3.2 相似性度量 11.3.3 图聚类方法 11.4 具有约束的聚类 11.4.1 约束的分类 11.4.2 具有约束的聚类方法 11.5 小结 11.6 习题 11.7 文献注释 第12章 离群点检测 12.1 离群点和离群点分析 12.1.1 什么是离群点 12.1.2 离群点的类型 12.1.3 离群点检测的挑战 12.2 离群点检测方法 12.2.1 监督、半监督和无监督方法 12.2.2 统计方法、基于邻近性的方法和基于聚类的方法 12.3 统计学方法 12.3.1 参数方法 12.3.2 非参数方法 12.4 基于邻近性的方法 12.4.1 基于距离的离群点检测和嵌套循环方法 12.4.2 基于网格的方法 12.4.3 基于密度的离群点检测 12.5 基于聚类的方法 12.6 基于分类的方法 12.7 挖掘情境离群点和集体离群点 12.7.1 把情境离群点检测转换成传统的离群点检测 12.7.2 关于情境对正常行为建模 12.7.3 挖掘集体离群点 12.8 高维数据中的离群点检测 12.8.1 扩充的传统离群点检测 12.8.2 发现子空间中的离群点 12.8.3 高维离群点建模 12.9 小结 12.10 习题 12.11 文献注释 第13章 数据挖掘的发展趋势和研究前沿 13.1 挖掘复杂的数据类型 13.1.1 挖掘序列数据:时间序列、符号序列和生物学序列 13.1.2 挖掘图和网络 13.1.3 挖掘其他类型的数据 13.2 数据挖掘的其他方法 13.2.1 统计学数据挖掘 13.2.2 关于数据挖掘基础的观点 13.2.3 可视和听觉数据挖掘 13.3 数据挖掘应用 13.3.1 金融数据分析的数据挖掘 13.3.2 零售和电信业的数据挖掘 13.3.3 科学与工程数据挖掘 13.3.4 入侵检测和预防数据挖掘 13.3.5 数据挖掘与推荐系统 13.4 数据挖掘与社会 13.4.1 普适的和无形的数据挖掘 13.4.2 数据挖掘的隐私、安全和社会影响 13.5 数据挖掘的发展趋势 13.6 小结 13.7 习题 13.8 文献注释 参考文献 索引

立即下载
《离散数学及其应用 原书第7版 中文》 超清书签目录

离散数学及其应用是算法和数据结构的基础,只有基本功扎实了,《算法导论》都可以很快看懂

立即下载
关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

机器学习导论 原书第2版_超高清pdf

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: