相關商品
商品簡介
作者簡介
目次
商品簡介
機器學習是一種自動分析所構建模型的數據分析方法。通過迭代地從數據中不斷學習，機器學習可以使計算機找到一些隱含的信息量，而這些信息量是無法明確通過編程得到的。
本書以OpenCV 2.4.9為研究工具，對算法―正態貝葉斯分類器、K近鄰算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、期望極大值、神經網絡，不僅具體分析了它們的原理和實現方法，還進行了詳細的源碼解析，並且給出了基於OpenCV的程序實現範例，充分體現了理論與實踐相結合的特點。
本書以OpenCV 2.4.9為研究工具，對算法―正態貝葉斯分類器、K近鄰算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、期望極大值、神經網絡，不僅具體分析了它們的原理和實現方法，還進行了詳細的源碼解析，並且給出了基於OpenCV的程序實現範例，充分體現了理論與實踐相結合的特點。
作者簡介
趙春江，博士，在圖像處理、計算機視覺，人工智能方面有很深入的研究。共主持了兩個安徽省級項目。自從博士以來，共發表論文20餘篇，9篇被EI或SCI檢索。
目次
第 1章 正態貝葉斯分類器 1
1.1 原理分析 1
1.2 源碼解析 8
1.3 應用實例 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 應用實例 22
第3章 支持向量機 25
3.1 原理分析 25
3.2 源碼解析 50
3.3 應用實例 71
第4章 決策樹 73
4.1 原理分析 73
4.2 源碼解析 81
4.3 應用實例 117
第5章 AdaBoost 120
5.1 原理分析 120
5.2 源碼解析 123
5.3 應用實例 140
第6章 梯度提升樹 142
6.1 原理分析 142
6.2 源碼解析 147
6.3 應用實例 158
第7章 隨機森林 161
7.1 原理分析 161
7.2 源碼解析 163
7.3 應用實例 171
第8章 極端隨機樹 173
8.1 原理分析 173
8.2 源碼解析 173
8.3 應用實例 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 應用實例 212
第 10章 神經網絡 214
10.1 原理分析 214
10.2 源碼解析 220
10.3 應用實例 241
附錄A Win7系統下OpenCV 2.4.9與
Visual Studio 2012
編譯環境的配置 244
附錄B Win7系統下QT 5.3.1與
OpenCV 2.4.9 編譯環境的
配置 248
附錄C 級聯分類器 252
參考文獻 287
1.1 原理分析 1
1.2 源碼解析 8
1.3 應用實例 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 應用實例 22
第3章 支持向量機 25
3.1 原理分析 25
3.2 源碼解析 50
3.3 應用實例 71
第4章 決策樹 73
4.1 原理分析 73
4.2 源碼解析 81
4.3 應用實例 117
第5章 AdaBoost 120
5.1 原理分析 120
5.2 源碼解析 123
5.3 應用實例 140
第6章 梯度提升樹 142
6.1 原理分析 142
6.2 源碼解析 147
6.3 應用實例 158
第7章 隨機森林 161
7.1 原理分析 161
7.2 源碼解析 163
7.3 應用實例 171
第8章 極端隨機樹 173
8.1 原理分析 173
8.2 源碼解析 173
8.3 應用實例 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 應用實例 212
第 10章 神經網絡 214
10.1 原理分析 214
10.2 源碼解析 220
10.3 應用實例 241
附錄A Win7系統下OpenCV 2.4.9與
Visual Studio 2012
編譯環境的配置 244
附錄B Win7系統下QT 5.3.1與
OpenCV 2.4.9 編譯環境的
配置 248
附錄C 級聯分類器 252
參考文獻 287
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。