演化機(jī)器學(xué)習(xí)

定　價：￥45.00

作　者：	徐華著，徐華編
出版社：	北京郵電大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥37.70)

ISBN：	9787563563302	出版時間：	2021-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	224	字?jǐn)?shù)：

內(nèi)容簡介

　　近年來，演化計算作為計算智能中傳統(tǒng)的優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于求解各種數(shù)據(jù)挖掘問題，形成了一種基于遺傳的機(jī)器學(xué)習(xí)新范式學(xué)習(xí)分類器。一方面，在真實(shí)場景中采集的原始數(shù)據(jù)不可避免地包含著冗余乃至噪聲屬性的信息，這些不相關(guān)的特征將對學(xué)習(xí)分類器算法的學(xué)習(xí)性能與計算效率造成負(fù)面影響。另一方面，學(xué)習(xí)分類器以顯式規(guī)則表示目標(biāo)概念，在監(jiān)督學(xué)習(xí)或強(qiáng)化學(xué)習(xí)機(jī)制的基礎(chǔ)上，利用演化算法對規(guī)則空間進(jìn)行搜索，從而完成學(xué)習(xí)任務(wù)。規(guī)則空間的有效搜索是影響學(xué)習(xí)分類器性能的關(guān)鍵。針對上述問題，本書的主要探討內(nèi)容：一是學(xué)習(xí)分類器與特征選擇方法，重點(diǎn)是做兩者的整合研究，將學(xué)習(xí)分類器的分類模型構(gòu)建過程與特征選擇的特征子集搜索過程統(tǒng)一集成在基于遺傳的機(jī)器學(xué)習(xí)框架下，同時改善分類算法的預(yù)測性能與運(yùn)行效率；二是從提高規(guī)則空間的搜索質(zhì)量出發(fā)，著眼于分類問題，介紹了基于分布估計算法的學(xué)習(xí)分類器。本書可作為大數(shù)據(jù)及人工智能等相關(guān)專業(yè)的教材與參考用書。

作者簡介

　　徐華，清華大學(xué)計算機(jī)系副教授，博士生導(dǎo)師。主要研究興趣領(lǐng)域包括：網(wǎng)絡(luò)文本數(shù)據(jù)挖掘、智能信息處理和機(jī)器人智能控制等。作為項(xiàng)目負(fù)責(zé)人、首席技術(shù)專家或研發(fā)骨干，負(fù)責(zé)完成國家科技重大專項(xiàng)課題3項(xiàng)，國家自然科學(xué)基金項(xiàng)目4項(xiàng)，國家973項(xiàng)目二級課題2項(xiàng)，國家863項(xiàng)目（課題）5項(xiàng)，國際500強(qiáng)企業(yè)（寶潔、西門子、安捷倫等）合作項(xiàng)目13項(xiàng)。目前已在本專業(yè)領(lǐng)域權(quán)威期刊和會議上發(fā)表學(xué)術(shù)論文113篇；編寫教材2本，參與編寫學(xué)術(shù)專著2部。作為第一完成人獲得國家發(fā)明專利26項(xiàng)，國際PCT發(fā)明專利4項(xiàng)，軟件著作權(quán)20項(xiàng)。作為清華方面的第一完成人，獲得國家科技進(jìn)步二等獎1項(xiàng)，北京市科學(xué)技術(shù)一等獎、二等獎和三等獎各1項(xiàng)，重慶市科學(xué)技術(shù)三等獎1項(xiàng)，行業(yè)協(xié)會科學(xué)技術(shù)一等獎2項(xiàng)等。

圖書目錄

上篇演化機(jī)器學(xué)習(xí)——內(nèi)嵌特征選擇的學(xué)習(xí)分類器
第1章上篇引言
1.1 研究背景
1.2 上篇主要內(nèi)容
1.3 上篇的結(jié)構(gòu)安排
第2章相關(guān)工作綜述
2.1 概述
2.2 學(xué)習(xí)分類器研究
2.2.1 進(jìn)化計算
2.2.2 基于遺傳的機(jī)器學(xué)習(xí)思想
2.2.3 Michigan式學(xué)習(xí)分類器研究進(jìn)展
2.2.4 Pittsburgh式學(xué)習(xí)分類器研究進(jìn)展
2.3 特征選擇方法綜述
2.3.1 機(jī)器學(xué)習(xí)中的特征選擇問題描述
2.3.2 特征選擇的搜索模型
2.3.3 Filter方法
2.3.4 Wrapper方法
2.3.5 Embedded方法
2.4 本章小結(jié)
第3章基于Memetic算法的Wrapper-Filter特征選擇方法
3.1 概述
3.2 Memetic算法
3.2.1 Memetic算法思想起源
3.2.2 Memetic算法框架
3.3 基于MA的混合式Wrapper-Filter特征選擇方法
3.3.1 算法設(shè)計思想
3.3.2 算法整體框架
3.3.3 全局搜索的GA-Wrapper
3.3.4 局部搜索的Relief-Filter
3.3.5 計算復(fù)雜度分析
3.4 本章小結(jié)
第4章基于合作式協(xié)同進(jìn)化內(nèi)嵌特征選擇的學(xué)習(xí)分類器
4.1 概述
4.2 協(xié)同進(jìn)化算法
4.2.1 協(xié)同進(jìn)化思想起源
4.2.2 競爭式協(xié)同進(jìn)化算法模型
4.2.3 合作式協(xié)同進(jìn)化算法模型
4.3 基于合作式協(xié)同進(jìn)化的學(xué)習(xí)分類器
4.3.1 算法設(shè)計思想
4.3.2 算法框架
4.3.3 分類器演化的Pittsburgh式學(xué)習(xí)分類器算法
4.3.4 計算復(fù)雜度分析
4.4 本章小結(jié)
第5章算法評估結(jié)果與分析
5.1 概述
5.2 算法比較實(shí)驗(yàn)框架
5.2.1 Benchmark數(shù)據(jù)集
5.2.2 性能評估指標(biāo)
……
下篇演化機(jī)器學(xué)習(xí)——分布估計的學(xué)習(xí)分類器
參考文獻(xiàn)