扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
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
-
>
JAVA持续交付
-
>
EXCEL最强教科书(完全版)(全彩印刷)
-
>
深度学习
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
- >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥8.7¥24.0 - >
史学评论
史学评论
¥14.4¥42.0 - >
莉莉和章鱼
莉莉和章鱼
¥14.4¥42.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥21.6¥48.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥5.2¥10.0 - >
回忆爱玛侬
回忆爱玛侬
¥24.0¥32.8 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥15.7¥45.8 - >
自卑与超越
自卑与超越
¥13.7¥39.8
本类畅销
-
这就是ChatGPT
¥41.9¥59.8 -
机器学习
¥47.4¥108 -
深度学习导论
¥24.5¥49 -
正版图书携程人工智能实践
¥51.1¥109 -
TensorFlow实战
¥26.3¥79 -
做好课题申报:AI辅助申请书写作
¥48.9¥69.8
浏览历史
膨胀土岸坡堤坝渗透滑动检测评估关键技术研究与实践/长江设计文库
¥126.0¥168.0可信云服务评估及选择
¥75.6¥108.0空间线索在3D音频中的应用研究
¥24.1¥68.0航空飞行试验遥感理论与方法
¥78.0¥120.0计算机数学
¥28.1¥39.0
