模式分類(lèi)的集成方法

定　價(jià)：￥69.90

作　者：	（以色列）羅卡赫
出版社：	國(guó)防工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787118103977	出版時(shí)間：	2015-11-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	177	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《模式分類(lèi)的集成方法》主要討論了集成學(xué)習(xí)的概念、構(gòu)成、作用及其新研究成果，重點(diǎn)介紹了新的、高效且實(shí)用的集成學(xué)習(xí)算法，給出了分類(lèi)識(shí)別的大量應(yīng)用實(shí)例，總結(jié)了作者近年來(lái)在模式識(shí)別中的理論和應(yīng)用研究成果。除了介紹許多重要經(jīng)典的內(nèi)容以外，書(shū)中還包括了近十幾年來(lái)剛剛發(fā)展起來(lái)的并被實(shí)踐證明有用的新技術(shù)、新理論。并將這些新技術(shù)應(yīng)用于模式識(shí)別當(dāng)中，同時(shí)提供這些新技術(shù)的實(shí)現(xiàn)方法和JAVA程序源代碼及相應(yīng)的實(shí)驗(yàn)數(shù)據(jù)，對(duì)于讀者的自學(xué)和算法驗(yàn)證非常有利。針對(duì)其中具有代表性的幾種算法，對(duì)其工作機(jī)制進(jìn)行深入研究，并利用大量的數(shù)值試驗(yàn)對(duì)算法的性能進(jìn)行多方面的考查?！赌Ｊ椒诸?lèi)的集成方法》主要內(nèi)容包括：模式分類(lèi)概述；集成學(xué)習(xí)的基本理論；分類(lèi)器組合；經(jīng)典的集成方法；集成分類(lèi)的各子模塊方法；集成多樣性；集成選擇；集成算法的評(píng)價(jià)。這些探討不僅對(duì)集成學(xué)習(xí)領(lǐng)域的研究具有非常重要的理論意義，而且也具有很強(qiáng)的實(shí)用參考價(jià)值。

作者簡(jiǎn)介

暫缺《模式分類(lèi)的集成方法》作者簡(jiǎn)介

圖書(shū)目錄

第1章模式分類(lèi)概述
1．1 模式分類(lèi)
1．2 誘導(dǎo)算法
1．3 規(guī)則推導(dǎo)
1．4 決策樹(shù)
1．5 貝葉斯方法
1．5．1 概述
1．5．2 樸素貝葉斯方法
1．5．3 其他貝葉斯方法
1．6 其他誘導(dǎo)方法
1．6．1 神經(jīng)網(wǎng)絡(luò)
1．6．2 遺傳算法
1．6．3 基于示例的學(xué)習(xí)
1．6．4 支持向量機(jī)
第2章集成學(xué)習(xí)概述
2．1 回到起源
2．2 群體的智慧
2．3 Bagging算法
2．4 Boosting算法
2．5 AdaBoost算法
2．6 沒(méi)有免費(fèi)的午餐理論和集成學(xué)習(xí)
2．7 偏差解構(gòu)和集成學(xué)習(xí)
2．8 Occam剃刀和集成學(xué)習(xí)
2．9 分類(lèi)器相關(guān)性
2．9．1 相關(guān)性方法
2．9．2 獨(dú)立方法
2．10 用于復(fù)雜分類(lèi)任務(wù)的集成方法
2．10．1 代價(jià)敏感的分類(lèi)
2．10．2 用于概念漂移學(xué)習(xí)的集成
2．10．3 拒絕驅(qū)動(dòng)分類(lèi)
第3章集成分類(lèi)
3．1 融合方法
3．1．1 加權(quán)方法
3．1．2 多數(shù)投票法
3．1．3 性能加權(quán)法
3．1．4 分布求和法
3．1．5 貝葉斯聯(lián)合法
3．1．6 Dempste-Shafer推理法
3．1．7 bgging方法
3．1．8 樸素貝葉斯方法
3．1．9 熵加權(quán)法
3．1．10 基于密度的加權(quán)方法
3．1．11 DEA加權(quán)法
3．1．12 對(duì)數(shù)評(píng)價(jià)池法
3．1．13 順序統(tǒng)計(jì)法
3．2 選擇性分類(lèi)
3．2．1 劃分示例空間
3．3 專(zhuān)家混合與元學(xué)習(xí)
3．3．1 Stacking算法
3．3．2 仲裁樹(shù)
3．3．3 組合樹(shù)
3．3．4 分級(jí)法
3．3．5 門(mén)網(wǎng)絡(luò)法
第4章集成的多樣性
4．1 概述
4．2 操控誘導(dǎo)器
4．2．1 操控誘導(dǎo)器的參數(shù)
4．2．2 假設(shè)空間的初始點(diǎn)
4．2．3 假設(shè)空間的遍歷
4．3 操控訓(xùn)練樣本
4．3．1 重采樣
4．3．2 樣本創(chuàng)建
4．3．3 樣本劃分
4．4 操控目標(biāo)屬性表示
4．4．1 類(lèi)標(biāo)轉(zhuǎn)換
4．5 劃分搜索空間
4．5．1 劃分和競(jìng)爭(zhēng)法
4．5．2 基于特征子集的集成方法
4．6 多類(lèi)型誘導(dǎo)器
4．7 多樣性度量
第5章集成選擇
5．1 集成選擇
5．2 集成規(guī)模的預(yù)選取
5．3 訓(xùn)練階段集成規(guī)模的選擇
5．4 刪減——集成規(guī)模的后選擇
5．4．1 基于排序的方法
5．4．2 基于搜索的方法
5．4．3 基于聚類(lèi)的方法
5．4．4 刪減時(shí)機(jī)
第6章誤差糾錯(cuò)輸出編碼
6．1 多類(lèi)問(wèn)題的編碼矩陣分解
6．2 類(lèi)型I：給定編碼矩陣的集成訓(xùn)練方法
6．2．1 糾錯(cuò)輸出編碼
6．2．2 編碼矩陣框架
6．2．3 編碼矩陣的設(shè)計(jì)
6．2．4 正交排列（OA）
6．2．5 Hadamard矩陣
6．2．6 概率糾錯(cuò)輸出編碼
6．2．7 其他ECOC策略
6．3 類(lèi)型II：多類(lèi)問(wèn)題的自適應(yīng)編碼矩陣
第7章分類(lèi)器集成的評(píng)價(jià)
7．1 泛化誤差
7．1．1 泛化誤差的理論估計(jì)
7．1．2 泛化誤差的實(shí)驗(yàn)估計(jì)
7．1．3 精度度量的替代者
7．1．4 F-度量
7．1．5 混淆矩陣
7．1．6 在有限資源下的分類(lèi)器的評(píng)價(jià)
7．1．7 用于對(duì)比集成的統(tǒng)計(jì)測(cè)試
7．2 計(jì)算復(fù)雜度
7．3 集成結(jié)果的可解釋性
7．4 大規(guī)模數(shù)據(jù)的可量測(cè)性
7．5 魯棒性
7．6 穩(wěn)定性
7．7 靈活性
7．8 可用性
7．9 軟件實(shí)用性
7．10 應(yīng)該選用哪個(gè)集成方法
參考文獻(xiàn)
高新科技譯叢叢書(shū)書(shū)目