《視覺機器學(xué)習(xí)20講》是計算機、自動化、信息、電子與通信學(xué)科方向的專著，詳盡地介紹了K-Means、KNN學(xué)習(xí)、回歸學(xué)習(xí)、決策樹學(xué)習(xí)、RandomForest、貝葉斯學(xué)習(xí)、EM算法、Adaboost、SVM方法、增強學(xué)習(xí)、流形學(xué)習(xí)、RBF學(xué)習(xí)、稀疏表示、字典學(xué)習(xí)、BP學(xué)習(xí)、CNN學(xué)習(xí)、RBM學(xué)習(xí)、深度學(xué)習(xí)、遺傳算法、蟻群方法等基本理論；深入闡述了視覺機器學(xué)習(xí)算法的優(yōu)化方法和實驗仿真；系統(tǒng)地總結(jié)了其優(yōu)點和不足。

本書特別重視如何將視覺機器學(xué)習(xí)算法的理論和實踐有機地結(jié)合，解決視覺機器學(xué)習(xí)領(lǐng)域中的諸多基礎(chǔ)問題，可應(yīng)用于醫(yī)學(xué)圖像分析、工業(yè)自動化、機器人、無人車、人臉檢測與識別、車輛信息識別、行為檢測與識別、智能視頻監(jiān)控等。本書特別重視算法的典型性和可實現(xiàn)性，既包含本領(lǐng)域的經(jīng)典算法，也包含本領(lǐng)域的研究成果。

本書不僅可作為高年級本科生與研究生教材，而且也是從事視覺機器學(xué)習(xí)領(lǐng)域研發(fā)極為有用的參考資料。

目錄

第1講 K-means
第2講 KNN學(xué)習(xí)
第3講 回歸學(xué)習(xí)
第4講 決策樹學(xué)習(xí)
第5講 RandomForest學(xué)習(xí)
第6講 貝葉斯學(xué)習(xí)
第7講 EM算法
第8講 Adaboost
第9講 SVM方法
第10講 增強學(xué)習(xí)
第11講 流形學(xué)習(xí)
第12講 RBF學(xué)習(xí)
第13講 稀疏表示
第14講 字典學(xué)習(xí)
第15講 BP學(xué)習(xí)
第16講 CNN學(xué)習(xí)
第17講 RBM學(xué)習(xí)
第18講 深度學(xué)習(xí)
第19講 遺傳算法
第20講 蟻群方法