-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
機器學(xué)習(xí)算法及其應(yīng)用 版權(quán)信息
- ISBN:9787111654230
- 條形碼:9787111654230 ; 978-7-111-65423-0
- 裝幀:一般膠版紙
- 冊數(shù):暫無
- 重量:暫無
- 所屬分類:>
機器學(xué)習(xí)算法及其應(yīng)用 內(nèi)容簡介
隨著數(shù)字音樂內(nèi)容的迅速增長以及人們對音樂鑒賞需求的日益提升,音樂信息的分類檢索及個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。 本書系統(tǒng)地闡述了機器學(xué)習(xí)中的常用分類與推薦方法,介紹了網(wǎng)絡(luò)音樂自動分類與推薦的理論基礎(chǔ),重點探討了SVM 和KNN 分類算法的改進? 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,并對改進后的算法應(yīng)用到音樂自動分類和個性化推薦領(lǐng)域進行了探索性研究。 本書展現(xiàn)了機器學(xué)習(xí)常用算法的原理、改進及應(yīng)用案例? 適合機器學(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。
機器學(xué)習(xí)算法及其應(yīng)用 目錄
第1章 機器學(xué)習(xí)簡介1
。.1 機器學(xué)習(xí)的概念1
1.2 機器學(xué)習(xí)的發(fā)展2
。.3 機器學(xué)習(xí)的研究現(xiàn)狀3
1.3.1 傳統(tǒng)機器學(xué)習(xí)的研究現(xiàn)狀4
1.3.2 大數(shù)據(jù)環(huán)境下機器學(xué)習(xí)的研究現(xiàn)狀5
1.4 機器學(xué)習(xí)的分類5
。.4.1 有監(jiān)督學(xué)習(xí)6
1.4.2 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
2.2 音樂的產(chǎn)生及發(fā)展14
。.3 音樂的要素15
。.4 音樂的存儲與表示17
2.4.1 數(shù)字音樂及其特點17
2.4.2 數(shù)字音樂文件的特點和格式19
。.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
3.1 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
。.1.3 音樂和聲 28
。.2 音樂的分類 29
3.2.1 按表達方式分類 30
。.2.2 按旋律風格分類 31
3.2.3 從音樂的歷史角度分類 32
。.2.4 按音樂流派分類 36
3.3 網(wǎng)絡(luò)音樂的自動分類 40
。.4 網(wǎng)絡(luò)音樂推薦算法綜述 42
3.5 本章小結(jié) 44
第4章 機器學(xué)習(xí)中的分類與推薦算法 45
。.1 樸素貝葉斯 45
。.2 決策樹 47
。.3。耄 50
。.4 支持向量機 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 推薦算法評價 64
。.11 本章小結(jié) 66
第5章 基于支持向量機的音樂流派分類 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
5.2.2 聲學(xué)特征量 72
。.3 特征選擇77
。.3.1。遥澹欤椋澹妫疲罚
5.3.2 順序前進法79
5.3.3。遥澹欤椋澹妫婆cSFS相結(jié)合的特征選擇算法80
5.4 SVM分類器81
5.4.1 線性可分支持向量機82
5.4.2 線性支持向量機83
5.4.3 非線性支持向量機85
5.4.4 數(shù)值求解87
5.4.5 ReliefF-SFSSVM分類實現(xiàn)88
。.5 實驗結(jié)果與分析88
。.5.1 實驗工具88
5.5.2 數(shù)據(jù)集89
5.5.3 評價標準及驗證方法89
。.5.4 實驗方法89
。.5.5 實驗結(jié)果及分析90
5.6 可擴展性分析94
5.7 本章小結(jié)95
第6章 基于k-近鄰的音樂流派自動推薦分類96
。.1 k-近鄰算法的理論基礎(chǔ)96
6.1.1。-近鄰算法96
6.1.2 k-近鄰算法模型97
6.2 算法的實現(xiàn)步驟及復(fù)雜度分析99
6.3 DW-KNN算法99
6.3.1。耍危嗡惴ǖ母倪M100
6.3.2 二次加權(quán)KNN (DW-KNN)分類算法102
。.4 實驗結(jié)果與分析103
。.4.1 實驗方法103
。.4.2 實驗結(jié)果及分析104
。.5 可擴展性分析107
。.6。遥澹欤椋澹妫-SFSSVM與DW-KNN的對比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 基于項目的協(xié)同過濾推薦算法111
。.1.3 基于用戶與基于項目的協(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
7.2。樱椋恚遥幔睿胨惴ǎ保保
7.2.1。樱椋恚遥幔睿胨惴ㄋ枷耄保保
。.2.2 SimRank算法流程115
7.3 社交網(wǎng)絡(luò)的形成機制與表示方法116
7.4 構(gòu)建用戶的信任集合進行推薦116
7.5 實驗結(jié)果及分析118
。.5.1 數(shù)據(jù)獲取和數(shù)據(jù)集118
7.5.2 評價指標119
。.5.3 實驗結(jié)果分析120
7.6 本章小結(jié)121
第8章 基于用戶即時興趣的音樂推薦96
。.1 相關(guān)研究122
8.2 馬爾可夫模型理論基礎(chǔ)123
。.3 基于用戶即時行為的改進一階馬爾可夫音樂推薦模型124
。.3.1 問題描述124
8.3.2 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 實驗結(jié)果與分析129
。.5 可擴展性分析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 145
機器學(xué)習(xí)算法及其應(yīng)用 作者簡介
吳梅梅(1980—),工學(xué)博士,中國傳媒大學(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。長期致力于大數(shù)據(jù)分析、機器學(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和省部級研究課題,發(fā)表過多篇SCI、EI論文,并擁有多項發(fā)明專利。
- >
名家?guī)阕x魯迅:故事新編
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
推拿
- >
【精裝繪本】畫給孩子的中國神話
- >
月亮與六便士
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
羅曼·羅蘭讀書隨筆-精裝
- >
小考拉的故事-套裝共3冊