123,123

內(nèi)容簡(jiǎn)介

　　機(jī)器學(xué)習(xí)是一種自動(dòng)分析所構(gòu)建模型的數(shù)據(jù)分析方法。通過(guò)迭代地從數(shù)據(jù)中不斷學(xué)習(xí)，機(jī)器學(xué)習(xí)可以使計(jì)算機(jī)找到一些隱含的信息量，而這些信息量是無(wú)法明確通過(guò)編程得到的。本書以O(shè)penCV 2.4.9為研究工具，對(duì)算法—正態(tài)貝葉斯分類器、K近鄰算法、支持向量機(jī)、決策樹(shù)、AdaBoost、梯度提升樹(shù)、隨機(jī)森林、期望極大值、神經(jīng)網(wǎng)絡(luò)，不僅具體分析了它們的原理和實(shí)現(xiàn)方法，還進(jìn)行了詳細(xì)的源碼解析，并且給出了基于OpenCV的程序?qū)崿F(xiàn)范例，充分體現(xiàn)了理論與實(shí)踐相結(jié)合的特點(diǎn)。

作者簡(jiǎn)介

　　趙春江，博士，在圖像處理、計(jì)算機(jī)視覺(jué)，人工智能方面有很深入的研究。共主持了兩個(gè)安徽省級(jí)項(xiàng)目。自從博士以來(lái)，共發(fā)表論文20余篇，9篇被EI或SCI檢索。

圖書目錄

第 1章　正態(tài)貝葉斯分類器 1
1．1　原理分析　1
1．2　源碼解析　8
1．3　應(yīng)用實(shí)例　13
第　2章 K近鄰算法　15
2．1　原理分析　15
2．2　源碼解析　16
2．3　應(yīng)用實(shí)例　22
第3章　支持向量機(jī)　25
3．1　原理分析　25
3．2　源碼解析　50
3．3　應(yīng)用實(shí)例　71
第4章　決策樹(shù)　73
4．1　原理分析　73
4．2　源碼解析　81
4．3　應(yīng)用實(shí)例　117
第5章　AdaBoost　120
5．1　原理分析　120
5．2　源碼解析　123
5．3　應(yīng)用實(shí)例　140
第6章　梯度提升樹(shù)　142
6．1　原理分析　142
6．2　源碼解析　147
6．3　應(yīng)用實(shí)例　158
第7章　隨機(jī)森林　161
7．1　原理分析　161
7．2　源碼解析　163
7．3　應(yīng)用實(shí)例　171
第8章　極端隨機(jī)樹(shù)　173
8．1　原理分析　173
8．2　源碼解析　173
8．3　應(yīng)用實(shí)例　187
第9章　期望極大值　189
9．1　原理分析　189
9．2　源碼解析　202
9．3　應(yīng)用實(shí)例　212
第　10章神經(jīng)網(wǎng)絡(luò)　214
10．1　原理分析　214
10．2　源碼解析　220
10．3　應(yīng)用實(shí)例　241
附錄A　Win7系統(tǒng)下OpenCV 2．4．9與
Visual　Studio　2012
編譯環(huán)境的配置　244
附錄B　Win7系統(tǒng)下QT 5．3．1與
OpenCV　2．4．9 編譯環(huán)境的
配置　248
附錄C　級(jí)聯(lián)分類器　252
參考文獻(xiàn)　287