| 《智能目标识别与分类》特点：视角新颖、学术水平高：《智能目标识别与分类》全面、系统地论述了计算智能方法在目标识别与分类领域的应用，反映了这一领域的国际最新进展。实用性强、深入浅出：《智能目标识别与分类》既具有极强的理论性，又具有充分的实验例证，文字叙述简洁，对算法的叙述标准规范，系统性强、覆盖面广、理论紧密结合实际。内容精炼、分析独到：《智能目标识别与分类》紧紧围绕智能信息处理与机器学习两大主题进行论述，分析深入、实例充分，为目标识别，特别是复杂图像目标的识别，提供了较新的思路和方法。 |
| 《智能科学技术著作丛书》序 前言 第1章 绪论 1.1 人工神经网络的发展 1.2 bayes网络的发展 1.3 正则技术的发展 1.4 统计学习理论的发展 1.5 核机器学习方法的发展 1.6 本书的主要内容 参考文献 第2章 统计学习理论、再生核技术与支撑矢量机算法 2.1 统计学习理论 2.2 再生核与再生核hilbert空间 2.3 支撑矢量机算法 参考文献 第3章 支撑矢量机理论基础 3.1 支撑矢量机几何特性分析 3.2 支撑矢量预选取的中心距离比值法 参考文献 附录 第4章 先进支撑矢量机 4.1 线性规划支撑矢量机 4.2 无约束二次规划回归估计支撑矢量机 4.3 复值支撑矢量机 4.4 基于微分容量控制的学习机 4.5 基于决策树的支撑矢量机多分类方法 参考文献 附录 第5章 核学习机 5.1 隐空间核机器 5.2 核函数的构造 5.3 基于父子波正交投影核的支撑矢量机 5.4 子波核函数网络 5.5 核聚类算法 参考文献 附录 第6章 稀疏核支撑矢量机 6.1 bayes核机器 6.2 贪婪分阶段支撑矢量机 6.3 特征标度核fisher判别分析 6.4 序列稀疏贪婪优化 参考文献 附录 第7章 快速大规模支撑矢量机； 7.1 基本域大规模支撑矢量回归 7.2 大规模稀疏核机器clar—lasso 7.3 快速稀疏逼近最小二乘支撑矢量机 7.4 模糊核匹配追踪学习机 7.5 集成核匹配追踪学习机 参考文献 第8章 高分辨距离像识别 8.1 平移不变的特征提取 8.2 mcpvc算法 8.3 性能评价 8.4 小结与讨论 参考文献 第9章 谱集成学习机 9.1 基于免疫克隆算法的选择性支撑矢量机集成 9.2 基于特征选择的支撑矢量机集成 9.3 谱聚类集成学习 9.4 基于分水岭—谱聚类的图像分割 9.5 谱协同神经网络分类 参考文献 第10章 基于核学习的图像识别 10.1 基于核匹配追踪的图像识别 10.2 基于免疫克隆与核匹配追踪的快速图像目标识别 10.3 基于协同神经网络的sar图像识别 10.4 基于聚类学习的sar图像识别 10.5 基于集成学习的sar图像识别 参考文献 |
内容加载中，请稍后...
商品评论（0条）