機(jī)器學(xué)習(xí)算法及其應(yīng)用

定　價(jià)：￥58.00

作　者：	吳梅梅著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

京東 (￥47.90)

ISBN：	9787111654230	出版時(shí)間：	2020-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	146	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　隨著數(shù)字音樂內(nèi)容的迅速增長(zhǎng)以及人們對(duì)音樂鑒賞需求的日益提升，音樂信息的分類檢索及個(gè)性化推薦受到廣大網(wǎng)民和有關(guān)從業(yè)人員越來越廣泛的關(guān)注，并成為研究及應(yīng)用的新熱點(diǎn)。本書系統(tǒng)地闡述了機(jī)器學(xué)習(xí)中的常用分類與推薦方法，介紹了網(wǎng)絡(luò)音樂自動(dòng)分類與推薦的理論基礎(chǔ)，重點(diǎn)探討了ＳＶＭ和ＫＮＮ分類算法的改進(jìn)，以及協(xié)同過濾推薦算法和基于馬爾可夫模型推薦算法的改進(jìn)，并對(duì)改進(jìn)后的算法應(yīng)用到音樂自動(dòng)分類和個(gè)性化推薦領(lǐng)域進(jìn)行了探索性研究。本書展現(xiàn)了機(jī)器學(xué)習(xí)常用算法的原理、改進(jìn)及應(yīng)用案例，適合機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘及大數(shù)據(jù)等領(lǐng)域的專業(yè)人員閱讀。

作者簡(jiǎn)介

　　吳梅梅（1980—），工學(xué)博士，中國(guó)傳媒大學(xué)數(shù)據(jù)科學(xué)與智能媒體學(xué)院副教授，碩士生導(dǎo)師。長(zhǎng)期致力于大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)算法及網(wǎng)絡(luò)新媒體技術(shù)研究。近年來主持并參與了多項(xiàng)和省部級(jí)研究課題，發(fā)表過多篇SCI、EI論文，并擁有多項(xiàng)發(fā)明專利。

圖書目錄

前言
第１章機(jī)器學(xué)習(xí)簡(jiǎn)介１
?。?１機(jī)器學(xué)習(xí)的概念１
　１.２機(jī)器學(xué)習(xí)的發(fā)展２
?。?３機(jī)器學(xué)習(xí)的研究現(xiàn)狀３
１.３.１傳統(tǒng)機(jī)器學(xué)習(xí)的研究現(xiàn)狀４
１.３.２大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)的研究現(xiàn)狀５
　１.４機(jī)器學(xué)習(xí)的分類５
　?。?４.１有監(jiān)督學(xué)習(xí)６
　?。?４.２無監(jiān)督學(xué)習(xí)７
１.４.３半監(jiān)督學(xué)習(xí)８
１.４.４強(qiáng)化學(xué)習(xí)９
?。?５本章小結(jié)１１
第２章音樂、數(shù)字音樂與網(wǎng)絡(luò)音樂１２
?。?１音樂的藝術(shù)形式１２
?。?２音樂的產(chǎn)生及發(fā)展１４
?。?３音樂的要素１５
?。?４音樂的存儲(chǔ)與表示１７
２.４.１數(shù)字音樂及其特點(diǎn)１７
２.４.２數(shù)字音樂文件的特點(diǎn)和格式１９
　２.５網(wǎng)絡(luò)音樂的發(fā)展２０
?。?６網(wǎng)絡(luò)音樂的特征２２
?。?７本章小結(jié) ２３
第３章網(wǎng)絡(luò)音樂的分類與推薦基礎(chǔ) ２４
?。?１基于內(nèi)容的音樂信息檢索２４
３.１.１音高與旋律２５
３.１.２音樂節(jié)奏２６
　　３.１.３　音樂和聲２８
?。?２　音樂的分類２９
　?。?２.１　按表達(dá)方式分類３０
　?。?２.２　按旋律風(fēng)格分類３１
　?。?２.３　從音樂的歷史角度分類３２
　?。?２.４　按音樂流派分類３６
?。?３　網(wǎng)絡(luò)音樂的自動(dòng)分類４０
　３.４　網(wǎng)絡(luò)音樂推薦算法綜述４２
?。?５　本章小結(jié) ４４
第４章　機(jī)器學(xué)習(xí)中的分類與推薦算法４５
　４.１　樸素貝葉斯４５
?。?２　決策樹４７
?。?３　ｋ￣近鄰５０
?。?４　支持向量機(jī) ５１
　４.５　人工神經(jīng)網(wǎng)絡(luò) ５３
?。?６　基于內(nèi)容的推薦５７
?。?７　協(xié)同過濾推薦６０
　４.８　基于馬爾可夫模型的推薦６２
?。?９　混合推薦６４
　４.１０　推薦算法評(píng)價(jià) ６４
?。?１１　本章小結(jié) ６６
第５章　基于支持向量機(jī)的音樂流派分類６7
?。?１　音樂的數(shù)字描述６８
?。?２　特征提取７０
　?。?２.１　數(shù)據(jù)預(yù)處理７１
　?。?２.２　聲學(xué)特征量７２
?。?３　特征選擇７７
　　５.３.１?。遥澹欤椋澹妫疲罚?
５.３.２　順序前進(jìn)法７９
５.３.３　ＲｅｌｉｅｆＦ與ＳＦＳ相結(jié)合的特征選擇算法80
?。?４　ＳＶＭ分類器８１
５.４.１　線性可分支持向量機(jī)８２
５.４.２　線性支持向量機(jī)８３
５.４.３　非線性支持向量機(jī)８５
５.４.４　數(shù)值求解８７
５.４.５?。遥澹欤椋澹妫?ＳＦＳＳＶＭ分類實(shí)現(xiàn)８８
　５.５　實(shí)驗(yàn)結(jié)果與分析８８
　?。?５.１　實(shí)驗(yàn)工具８８
　?。?５.２　數(shù)據(jù)集８９
　　５.５.３　評(píng)價(jià)標(biāo)準(zhǔn)及驗(yàn)證方法８９
　?。?５.４　實(shí)驗(yàn)方法８９
　?。?５.５　實(shí)驗(yàn)結(jié)果及分析９０
?。?６　可擴(kuò)展性分析９４
?。?７　本章小結(jié)９５
第６章　基于ｋ-近鄰的音樂流派自動(dòng)推薦分類９６
?。?１　ｋ-近鄰算法的理論基礎(chǔ)９６
　?。?１.１　ｋ-近鄰算法９６
６.１.２　ｋ-近鄰算法模型９７
?。?２　算法的實(shí)現(xiàn)步驟及復(fù)雜度分析９９
?。?３?。模?ＫＮＮ算法９９
６.３.１　ＫＮＮ算法的改進(jìn)１００
６.３.２　二次加權(quán)ＫＮＮ (ＤＷ-ＫＮＮ)分類算法１０２
?。?４　實(shí)驗(yàn)結(jié)果與分析１０３
　?。?４.１　實(shí)驗(yàn)方法１０３
　?。?４.２　實(shí)驗(yàn)結(jié)果及分析１０４
?。?５　可擴(kuò)展性分析１０７
?。?６?。遥澹欤椋澹妫?ＳＦＳＳＶＭ與ＤＷ-ＫＮＮ的對(duì)比１０8
?。?７　本章小結(jié)１０８
第７章　基于社交網(wǎng)絡(luò)與協(xié)同過濾的音樂推薦１１０
　７.１　協(xié)同過濾推薦算法１１０
　?。?１.１　基于用戶的協(xié)同過濾推薦算法１１１
　　７.１.２　基于項(xiàng)目的協(xié)同過濾推薦算法１１１
　?。?１.３　基于用戶與基于項(xiàng)目的協(xié)同過濾推薦算法比較１１２
　?。?１.４　協(xié)同過濾中存在的問題１１３
?。?２?。樱椋恚遥幔睿胨惴ǎ保保?
　?。?２.１?。樱椋恚遥幔睿胨惴ㄋ枷耄保保?　　
　?。?２.２?。樱椋恚遥幔睿胨惴鞒蹋保保?　
７.３　社交網(wǎng)絡(luò)的形成機(jī)制與表示方法１１６　　
７.４　構(gòu)建用戶的信任集合進(jìn)行推薦１１６
７.５　實(shí)驗(yàn)結(jié)果及分析１１８　
　?。?５.１　數(shù)據(jù)獲取和數(shù)據(jù)集１１８　　
　　７.５.２　評(píng)價(jià)指標(biāo)１１９　
　?。?５.３　實(shí)驗(yàn)結(jié)果分析１２０　
７.６　本章小結(jié)１２１　
第８章　基于用戶即時(shí)興趣的音樂推薦９６
?。?１　相關(guān)研究１２２
?。?２　馬爾可夫模型理論基礎(chǔ)１２３
?。?３　基于用戶即時(shí)行為的改進(jìn)一階馬爾可夫音樂推薦模型１２４
　?。?３.１　問題描述１２４
　?。?３.２　指數(shù)衰減１２５
　?。福常场≈笖?shù)衰減的馬爾可夫模型１２５
　　８.３.４　協(xié)同過濾的一階馬爾可夫推薦１２６
?。?４　實(shí)驗(yàn)結(jié)果與分析１２９
　８.５　可擴(kuò)展性分析１３１
?。?６　本章小結(jié)１３１
附錄１３２
　附錄Ａ　ＲｅｌｉｅｆＦ-ＳＦＳＳＶＭ分類參考代碼１３２
　附錄Ｂ?。模?ＫＮＮ算法參考代碼１３４
　附錄Ｃ　各分類算法的比較參考代碼１４０
參考文獻(xiàn) １４５