《机器学习经典算法剖析:基于OpenCV》内容简介与阅读建议
- 出版年份
- 2018
- 出版社
- 人民邮电出版社
- 页数
- 290 页
- 语言
- 中文
《机器学习经典算法剖析:基于OpenCV》内容简介
机器学习是一种自动分析所构建模型的数据分析方法。通过迭代地从数据中不断学习,机器学习可以使计算机找到一些隐含的信息量,而这些信息量是无法明确通过编程得到的。 本书以OpenCV 2.4.9为研究工具,对算法—正态贝叶斯分类器、K近邻算法、支持向量机、决策树、AdaBoost、梯度提升树、随机森林、期望极大值、神经网络,不仅具体分析了它们的原理和实现方法,还进行了详细的源码解析,并且给出了基于OpenCV的程序实现范例,充分体现了理论与实践相结合的特点。
《机器学习经典算法剖析:基于OpenCV》书籍信息摘要
《机器学习经典算法剖析:基于OpenCV》内容简介与阅读建议,作者 [中]赵春江,科技技术,2018年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题:机器学习、OpenCV、计算机类。
- 作者:[中]赵春江
- 分类:科技技术
- 出版年份:2018
- 出版社:人民邮电出版社
- 页数:290 页
- 语言:中文
- 格式:暂无已核验合规下载格式
《机器学习经典算法剖析:基于OpenCV》适合哪些读者?
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。
获取建议
《机器学习经典算法剖析:基于OpenCV》怎么获取更合适?
优先确认版本和阅读目的;下载区只展示已核验的公版、授权、开放许可或官方试读资源。
下载
暂无已核验电子书资源;本站不展示未授权完整文件。
下载 版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本;经典作品可优先选择校注、导读或权威出版社版本。
目录
- 第 1章 正态贝叶斯分类器 1
- 1.1 原理分析 1
- 1.2 源码解析 8
- 1.3 应用实例 13
- 第 2章 K近邻算法 15
- 2.1 原理分析 15
- 2.2 源码解析 16
- 2.3 应用实例 22
展开全部(共 48 章节)
- 第3章 支持向量机 25
- 3.1 原理分析 25
- 3.2 源码解析 50
- 3.3 应用实例 71
- 第4章 决策树 73
- 4.1 原理分析 73
- 4.2 源码解析 81
- 4.3 应用实例 117
- 第5章 AdaBoost 120
- 5.1 原理分析 120
- 5.2 源码解析 123
- 5.3 应用实例 140
- 第6章 梯度提升树 142
- 6.1 原理分析 142
- 6.2 源码解析 147
- 6.3 应用实例 158
- 第7章 随机森林 161
- 7.1 原理分析 161
- 7.2 源码解析 163
- 7.3 应用实例 171
- 第8章 极端随机树 173
- 8.1 原理分析 173
- 8.2 源码解析 173
- 8.3 应用实例 187
- 第9章 期望极大值 189
- 9.1 原理分析 189
- 9.2 源码解析 202
- 9.3 应用实例 212
- 第 10章 神经网络 214
- 10.1 原理分析 214
- 10.2 源码解析 220
- 10.3 应用实例 241
- 附录A Win7系统下OpenCV 2.4.9与
- Visual Studio 2012
- 编译环境的配置 244
- 附录B Win7系统下QT 5.3.1与
- OpenCV 2.4.9 编译环境的
- 配置 248
- 附录C 级联分类器 252
- 参考文献 287
合规获取说明
当前暂无已核验电子书资源。若是商业出版物,建议优先通过出版社、书店或官方电子书平台获取。
常见问题
《机器学习经典算法剖析:基于OpenCV》适合谁读?
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。
《机器学习经典算法剖析:基于OpenCV》阅读难度高吗?
建议先看简介、目录、作者和相关书籍,再判断是否适合当前阶段阅读。
《机器学习经典算法剖析:基于OpenCV》纸质书值得买吗?
当前暂未接入已核验的纸质书购买链接,建议通过出版社、京东、当当等正版渠道核对版本后购买。
《机器学习经典算法剖析:基于OpenCV》哪个版本更适合?
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本;经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《机器学习经典算法剖析:基于OpenCV》?
当前没有确认授权的电子书下载资源,也暂未接入已核验购买链接;商业出版物不提供未授权下载,建议通过出版社、京东、当当或官方电子书平台核对获取。
如何继续查找《机器学习经典算法剖析:基于OpenCV》相关书籍?
可以进入 [中]赵春江 作者页查看其他作品,也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。