2022最新国产在线不卡A,国产自慰喷水视屏

內(nèi)容簡介

　　機器學(xué)習(xí)是一種自動分析所構(gòu)建模型的數(shù)據(jù)分析方法。通過迭代地從數(shù)據(jù)中不斷學(xué)習(xí)，機器學(xué)習(xí)可以使計算機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O(shè)penCV 2.4.9為研究工具，對算法—正態(tài)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(jīng)網(wǎng)絡(luò)，不僅具體分析了它們的原理和實現(xiàn)方法，還進行了詳細的源碼解析，并且給出了基于OpenCV的程序?qū)崿F(xiàn)范例，充分體現(xiàn)了理論與實踐相結(jié)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(fā)表論文20余篇，9篇被EI或SCI檢索。

圖書目錄

第 1章　正態(tài)貝葉斯分類器 1
1．1　原理分析　1
1．2　源碼解析　8
1．3　應(yīng)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(yīng)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(yīng)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(yīng)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(yīng)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(yīng)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(yīng)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(yīng)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(yīng)用實例　212
第　10章神經(jīng)網(wǎng)絡(luò)　214
10．1　原理分析　214
10．2　源碼解析　220
10．3　應(yīng)用實例　241
附錄A　Win7系統(tǒng)下OpenCV 2．4．9與
Visual　Studio　2012
編譯環(huán)境的配置　244
附錄B　Win7系統(tǒng)下QT 5．3．1與
OpenCV　2．4．9 編譯環(huán)境的
配置　248
附錄C　級聯(lián)分類器　252
參考文獻　287