本书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、...
电子书
内容简介
本书较为全面地论述了机器学习、深度学习、大数据技术与图像处理技术的基本概念、基础原理和基本方法，以农业为应用场景，力求通缩易懂，深入浅出的介绍了与机器学习、深度学习、大数据技术与图像处理技术问题联系密切的内容。全书主要分为4大部分：机器学习、大数据技术和图像处理技术的基础知识；经典的机器学习基本理论和方法，以及深度学习和大数据未来的发展；实践应用；机器学习和人工智能的数学基础与编程基础。
章节目录
- 第1章 绪论
- 1.1 机器学习
- 1.1.1 概述
- 1.1.2 评价准则
- 1.1.3 分类
- 1.1.4 常用工具
- 1.2 大数据
- 1.3 人工智能
- 1.4 图像处理技术
- 第2章 机器学习的理论与方法
- 2.1 回归分析与最小二乘法
- 2.2 聚类
- 2.2.1 简介
- 2.2.2 基本原理
- 2.2.3 常用聚类算法
- 2.3 遗传算法
- 2.3.1 简介
- 2.3.2 基本原理
- 2.3.3 特点与应用
- 2.4 蚁群算法
- 2.4.1 简介
- 2.4.2 基本原理
- 2.4.3 特点与应用
- 2.5 粒子群算法
- 2.5.1 简介
- 2.5.2 基本原理
- 2.5.3 特点与应用
- 2.6 人工神经网络
- 2.6.1 简介
- 2.6.2 神经网络基础
- 2.6.3 BP 神经网络
- 2.6.4 RBF 神经网络
- 2.7 支持向量机
- 2.7.1 简介
- 2.7.2 基本原理
- 2.7.3 特点与应用
- 2.8 隐马尔科夫模型
- 第3章 深度学习理论与方法
- 3.1 简介
- 3.2 常见模型
- 3.2.1 卷积神经网络
- 3.2.2 受限玻尔兹曼机
- 3.2.3 深度信念网络
- 3.2.4 自动编码器
- 3.2.5 降噪自动编码器
- 3.2.6 堆叠降噪自动编码器
- 3.3 应用场景
- 3.4 发展趋势
- 3.4.1 深度集成学习
- 3.4.2 深度强化学习
- 3.4.3 深度迁移学习
- 第4章 大数据处理技术
- 4.1 大数据简介
- 4.1.1 大数据概念与特点
- 4.1.2 大数据类型
- 4.1.3 大数据应用
- 4.2 大数据技术
- 4.2.1 数据获取与预处理技术
- 4.2.2 存储与管理技术
- 4.2.3 分析与挖掘技术
- 4.2.4 可视化技术
- 4.3 大数据处理框架
- 4.3.1 简介
- 4.3.2 Hadoop
- 4.3.3 Spark
- 4.3.4 Storm
- 4.3.5 HBase
- 4.3.6 Hive
- 4.4 大数据面临的挑战
- 4.4.1 数据安全性
- 4.4.2 计算复杂性
- 4.4.3 计算时效性
- 第5章 大数据与智能系统开发——以农业应用为例
- 5.1 农业信息化概述
- 5.1.1 农业信息概念
- 5.1.2 农业信息分类
- 5.1.3 农业信息技术
- 5.2 农业大数据概述
- 5.2.1 农业大数据的概念
- 5.2.2 农业大数据的特点
- 5.2.3 农业大数据的标准
- 5.2.4 农业大数据的发展趋势
- 5.3 农业大数据技术
- 5.3.1 获取与预处理技术
- 5.3.2 存储与集成技术
- 5.3.3 数据挖掘与时空可视化技术
- 5.3.4 发展趋势
- 5.4 农业大数据的机遇、挑战与对策
- 5.4.1 机遇
- 5.4.2 挑战与对策
- 5.5 基于安卓的农业智能
- 5.5.1 简介
- 5.5.2 App 开发步骤
- 5.5.3 农业App
- 第6章 图像处理与分析技术
- 6.1 简介
- 6.1.1 常用术语
- 6.1.2 图像处理与分析基础
- 6.2 图像处理技术在农业中的应用
- 6.2.1 农业图像特点
- 6.2.2 农业应用场景
- 6.3 图像细化算法
- 6.3.1 细化算法原理
- 6.3.2 改进算法
- 第7章 机器学习、大数据技术和图像处理技术的应用——以农业应用为例
- 7.1 随机森林在棉蚜等级预测中的应用
- 7.1.1 随机森林原理
- 7.1.2 随机森林构建
- 7.1.3 袋外数据OOB 和OOB 估计
- 7.1.4 实验结果与分析
- 7.2 基于邻域核函数的局部支持向量机在树木图像分类中的应用
- 7.2.1 邻域核函数
- 7.2.2 基于邻域核函数的局部支持向量机
- 7.2.3 实验结果与分析
- 7.3 局部支持向量回归在小麦蚜虫预测中的应用
- 7.3.1 小麦蚜虫预测原理
- 7.3.2 数据来源与预处理
- 7.3.3 支持向量回归与局部支持向量回归
- 7.3.4 实验结果与分析
- 7.4 深度学习在小麦蚜虫短期预测中的应用
- 7.4.1 数据来源与预处理
- 7.4.2 模型评价指标
- 7.4.3 基于DBN_LSVR 的小麦蚜虫短期预测模型
- 7.4.4 实验结果与分析
- 7.5 基于Spark 的支持向量机在小麦病害图像识别中的应用
- 7.5.1 数据来源与预处理
- 7.5.2 基于Spark 的支持向量机
- 7.5.3 实验结果与分析
- 7.6 Hadoop 平台下基于粒子群的局部支持向量机
- 7.6.1 相关技术及算法
- 7.6.2 改进算法原理
- 7.6.3 MapRuduce 实现
- 7.6.4 改进算法
- 7.6.5 实验结果与分析
- 第8章 Python基础
- 8.1 基础知识
- 8.1.1 Python 安装与使用
- 8.1.2 编码规范
- 8.1.3 模块导入
- 8.1.4 异常处理
- 8.2 语言基础
- 8.2.1 基本数据类型
- 8.2.2 运算符与表达式
- 8.2.3 选择与循环
- 8.2.4 字符串
- 8.2.5 列表、元组与字典
- 8.2.6 正则表达式
- 8.3 函数
- 8.3.1 函数定义
- 8.3.2 函数调用
- 8.3.3 函数参数
- 8.3.4 返回值
- 8.3.5 变量作用域
- 8.4 类
- 8.4.1 类定义
- 8.4.2 类方法
- 8.4.3 继承与多态
- 8.4.4 应用举例
- 8.5 文件
- 8.5.1 打开和关闭
- 8.5.2 读写
- 8.5.3 其他操作
- 8.5.4 目录操作
- 第9章 Python数据处理与机器学习
- 9.1 矩阵计算
- 9.1.1 基础知识
- 9.1.2 应用举例
- 9.2 网络爬虫
- 9.2.1 基础知识
- 9.2.2 应用举例
- 9.3 数据库
- 9.3.1 Sqlite 数据库
- 9.3.2 MySQL 数据库
- 9.4 OpenCV 图像编程
- 9.4.1 图像基础操作
- 9.4.2 图像几何变换
- 9.4.3 图像滤波
- 9.4.4 数学形态学
- 9.4.5 应用举例
- 9.5 数据可视化
- 9.5.1 matplotlib 可视化
- 9.5.2 Plotly 可视化
- 9.6 基于Python 的机器学习算法
- 9.6.1 线性回归
- 9.6.2 Logistic 回归
- 9.6.3 K 近邻算法
- 9.6.4 K 均值聚类
- 9.6.5 决策树
- 9.7 基于Python 的大数据处理技术
- 9.7.1 MapReduce 编程
- 9.7.2 应用举例
- 9.8 Tensorflow 编程
- 9.8.1 简介
- 9.8.2 基础知识
- 9.8.3 应用举例
- 参 考 文 献
展开全部
机器学习与大数据技术是2018年由人民邮电出版社出版,作者牟少敏。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《机器学习与大数据技术》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
本书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、...
电子书
《Python机器学习》从实用的角度出发，整合Python语言基础、数据分析与可视化、机器学习常用算法等知识。内容从*基本的Python编程基础入手，由浅入深、循序渐进地讲授N...
电子书
本书共11章，从推荐系统的发展历史、基本构成开始，依次剖析推荐系统的内容召回、协同过滤召回、深度学习召回中具有代表性的模型；再从经典排序模型到基于深度学习的排序，顺势介绍会话推...
电子书
近年来人工智能技术蓬勃发展，人工智能正在改变我们的生活。为了让读者在不需要掌握太多数学和计算机科学知识的情况下，能够快速上手，使用Python语言实现常用的机器学习算法，并解决...
电子书
《Python机器学习》通过数学解释和编程示例描述了机器学习中的概念，每一章的内容都从技术的基本原理和基于真实数据集的工作实例开始，在提出应用算法建议的同时，指出了每种技术的优...
电子书
大数据时代为机器学习的应用提供了广阔的空间，各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开，着重介绍数据探索、数据预处理和常用的机器学习算法模...