图书介绍
无监督学习方法及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 谢娟英著 著
- 出版社： 北京：电子工业出版社
- ISBN：9787121305023
- 出版时间：2016
- 标注页数：425页
- 文件大小：67MB
- 文件页数：433页
- 主题词：机器学习－研究
PDF下载
下载说明
无监督学习方法及其应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 机器学习简介1
1.2 无监督学习简介2
1.3 无监督学习研究趋势24
第2章 数据预处理与样本相似性度量31
2.1 数据预处理方法31
2.2 样本相似性度量方法48
第3章 聚类结果评价指标55
3.1 内部评价指标55
3.2 外部评价指标72
第4章 竞争学习算法87
4.1 传统次胜者受罚竞争学习算法87
4.2 基于密度的次胜者受罚竞争算法95
4.3 改进的密度次胜者受罚竞争学习算法99
第5章 K-means学习算法108
5.1 传统K-means聚类算法108
5.2 密度RPCL优化的K-means聚类算法111
5.3 基于样本分布密度的K-means聚类算法118
5.4 最小方差优化初始聚类中心的K-means算法125
5.5 全局K-means聚类算法134
5.6 密度全局K-means聚类算法136
5.7 粗糙K-means聚类算法142
5.8 粒度K-means聚类算法150
第6章 K-medoids算法171
6.1 传统K-medoids算法171
6.2 快速K-medoids算法173
6.3 邻域K-medoids算法180
6.4 方差优化初始聚类中心的K-medoids算法187
6.5 粒度K-medoids算法209
6.6 密度峰值优化初始聚类中心的K-medoids算法234
第7章 基于密度的无监督学习算法259
7.1 DBSCAN算法259
7.2 快速密度峰值发现聚类算法262
7.3 K近邻优化的快速密度峰值发现聚类算法265
7.4 模糊加权K近邻优化的密度峰值发现聚类算法286
第8章 谱图聚类算法302
8.1 最小生成树聚类算法302
8.2 谱聚类算法306
第9章 无监督学习方法的应用318
9.1 基于无监督学习的基因选择318
9.2 基于无监督学习的疾病诊断374
9.3 无监督学习在生物医学大数据分析中的应用展望418