機器學習經典算法剖析 基於OpenCV 机器学习经典算法剖析 基于OpenCV

趙春江

立即出貨

買這商品的人也買了...

商品描述

機器學習是一種自動分析所構建模型的數據分析方法。通過迭代地從數據中不斷學習,機器學習可以使電腦找到一些隱含的信息量,而這些信息量是無法明確通過編程得到的。
本書以OpenCV 2.4.9為研究工具,對算法—正態貝葉斯分類器、K近鄰算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、期望極大值、神經網絡,不僅具體分析了它們的原理和實現方法,還進行了詳細的源碼解析,並且給出了基於OpenCV的程序實現範例,充分體現了理論與實踐相結合的特點。

作者簡介

趙春江
博士,在圖像處理、計算機視覺,人工智能方面有很深入的研究。共主持了兩個安徽省級項目。自從博士以來,共發表論文20餘篇,9篇被EI或SCI檢索。

目錄大綱

第1章正態貝葉斯分類器1 
1.1原理分析1 
1.2源碼解析8 
1.3應用實例13 

第2章K近鄰算法15 
2.1原理分析15 
2.2源碼解析16 
2.3應用實例22 

第3章支持向量機25 
3.1原理分析25 
3.2源碼解析50 
3.3應用實例71 

第4章決策樹73 
4.1原理分析73 
4.2源碼解析81 
4.3應用實例117 

第5章AdaBoost 120 
5.1原理分析120 
5.2源碼解析123 
5.3應用實例140 

第6章梯度提升樹142 
6.1原理分析142 
6.2源碼解析147 
6.3應用實例158 

第7章隨機森林161 
7.1原理分析161 
7.2源碼解析163 
7.3應用實例171 

第8章極端隨機樹173 
8.1原理分析173 
8.2源碼解析173 
8.3應用實例187 

第9章期望極大值189
9.1原理分析189 
9.2源碼解析202 
9.3應用實例212 

第10章神經網絡214 
10.1原理分析214 
10.2源碼解析220 
10.3應用實例241 
附錄A Win7系統下OpenCV 2.4.9與
Visual Studio 2012 
編譯環境的配置244 
附錄B Win7系統下QT 5.3.1與
OpenCV 2.4.9編譯環境的
配置248 
附錄C級聯分類器252 
參考文獻287