扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
无监督学习方法及其应用 版权信息
- ISBN：9787121305023
- 条形码：9787121305023 ; 978-7-121-30502-3
- 装帧：暂无
- 册数：暂无
- 重量：暂无
- 所属分类：>
无监督学习方法及其应用 本书特色
无监督学习是机器学习的一个重要分支，其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。本书阐述作者近年在无监督学习领域所取得的主要研究成果，包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法；*后介绍了无监督学习在基因选择、疾病诊断中的应用。
无监督学习方法及其应用 内容简介
无监督学习是机器学习的一个重要分支，其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。本书阐述作者近年在无监督学习领域所取得的主要研究成果，包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法；*后介绍了无监督学习在基因选择、疾病诊断中的应用。
无监督学习方法及其应用 目录
目 录
第1章 绪论 1
1.1 机器学习简介 1
1.2 无监督学习简介 2
第2章 数据预处理与样本相似性度量 31
2.1 数据预处理方法 31
2.2 样本相似性度量方法 48
第3章 聚类结果评价指标 55
3.1 内部评价指标 55
3.2 外部评价指标 72
第4章 竞争学习算法 87
4.1 传统次胜者受罚竞争学习算法 87
4.2 基于密度的次胜者受罚竞争算法 95
4.3 改进的密度次胜者受罚竞争学习算法 99
第5章 K-means学习算法 108
5.1 传统K-means聚类算法 108
5.2 密度RPCL优化的K-means聚类算法 111
5.3 基于样本分布密度的K-means聚类算法 118
5.4 *小方差优化初始聚类中心的K-means算法 125
5.5 全局K-means聚类算法 134
5.6 密度全局K-means聚类算法 136
5.7 粗糙K-means聚类算法 142
5.8 粒度K-means聚类算法 150
第6章 K-medoids学习算法 171
6.1 传统K-medoids聚类算法 171
6.2 快速K-medoids聚类算法 173
6.3 邻域K-medoids聚类算法 180
6.4 方差优化初始聚类中心的K-medoids算法 187
6.5 粒度K-medoids聚类算法 209
6.6 密度峰值优化初始聚类中心的K-medoids聚类算法 234
第7章 基于密度的无监督学习算法 259
7.1 DBSCAN算法 259
7.2 快速密度峰值发现聚类算法 262
7.3 K近邻优化的快速密度峰值发现聚类算法 265
7.4 模糊加权K近邻优化的密度峰值发现聚类算法 286
第8章 谱图聚类算法 302
8.1 *小生成树聚类算法 302
8.2 谱聚类算法 306
第9章 无监督学习方法的应用 318
9.1 基于无监督学习的基因选择 318
9.2 基于无监督学习的疾病诊断 338
9.3 无监督学习在生物医学大数据分析中的应用展望 404
第1章 绪论 1
1.1 机器学习简介 1
1.2 无监督学习简介 2
第2章 数据预处理与样本相似性度量 31
2.1 数据预处理方法 31
2.2 样本相似性度量方法 48
第3章 聚类结果评价指标 55
3.1 内部评价指标 55
3.2 外部评价指标 72
第4章 竞争学习算法 87
4.1 传统次胜者受罚竞争学习算法 87
4.2 基于密度的次胜者受罚竞争算法 95
4.3 改进的密度次胜者受罚竞争学习算法 99
第5章 K-means学习算法 108
5.1 传统K-means聚类算法 108
5.2 密度RPCL优化的K-means聚类算法 111
5.3 基于样本分布密度的K-means聚类算法 118
5.4 *小方差优化初始聚类中心的K-means算法 125
5.5 全局K-means聚类算法 134
5.6 密度全局K-means聚类算法 136
5.7 粗糙K-means聚类算法 142
5.8 粒度K-means聚类算法 150
第6章 K-medoids学习算法 171
6.1 传统K-medoids聚类算法 171
6.2 快速K-medoids聚类算法 173
6.3 邻域K-medoids聚类算法 180
6.4 方差优化初始聚类中心的K-medoids算法 187
6.5 粒度K-medoids聚类算法 209
6.6 密度峰值优化初始聚类中心的K-medoids聚类算法 234
第7章 基于密度的无监督学习算法 259
7.1 DBSCAN算法 259
7.2 快速密度峰值发现聚类算法 262
7.3 K近邻优化的快速密度峰值发现聚类算法 265
7.4 模糊加权K近邻优化的密度峰值发现聚类算法 286
第8章 谱图聚类算法 302
8.1 *小生成树聚类算法 302
8.2 谱聚类算法 306
第9章 无监督学习方法的应用 318
9.1 基于无监督学习的基因选择 318
9.2 基于无监督学习的疾病诊断 338
9.3 无监督学习在生物医学大数据分析中的应用展望 404
展开全部
无监督学习方法及其应用 作者简介
谢娟英，博士，副教授，硕士生导师，中国计算机学会高级会员。 "Health Information Science and Systems”副主编。主要研究方向为机器学习、数据挖掘、生物医学大数据分析、智能信息处理等。
书友推荐
- >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥9.7¥14.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0 - >
推拿
推拿
¥12.2¥32.0 - >
回忆爱玛侬
回忆爱玛侬
¥9.8¥32.8 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0 - >
山海经
山海经
¥20.4¥68.0 - >
史学评论
史学评论
¥13.4¥42.0 - >
二体千字文
二体千字文
¥21.6¥40.0
本类畅销
-
十二字节
¥42.4¥69 -
前瞻交互:从语音、手势设计到多模融合
¥76.3¥109 -
人工智能
¥18.6¥55 -
人工智能技术商业应用场景实战
¥45.8¥79 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206
