演化機器學習

定　價：￥45.00

作　者：	徐華著，徐華編
出版社：	北京郵電大學出版社
叢編項：
標　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	字數(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，已經(jīng)廣泛應用于求解各種數(shù)據(jù)挖掘問題，形成了一種基于遺傳的機器學習新范式學習分類器。一方面，在真實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，這些不相關的特征將對學習分類器算法的學習性能與計算效率造成負面影響。另一方面，學習分類器以顯式規(guī)則表示目標概念，在監(jiān)督學習或強化學習機制的基礎上，利用演化算法對規(guī)則空間進行搜索，從而完成學習任務。規(guī)則空間的有效搜索是影響學習分類器性能的關鍵。針對上述問題，本書的主要探討內(nèi)容：一是學習分類器與特征選擇方法，重點是做兩者的整合研究，將學習分類器的分類模型構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器學習框架下，同時改善分類算法的預測性能與運行效率；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習分類器。本書可作為大數(shù)據(jù)及人工智能等相關專業(yè)的教材與參考用書。

作者簡介

　　徐華，清華大學計算機系副教授，博士生導師。主要研究興趣領域包括：網(wǎng)絡文本數(shù)據(jù)挖掘、智能信息處理和機器人智能控制等。作為項目負責人、首席技術專家或研發(fā)骨干，負責完成國家科技重大專項課題3項，國家自然科學基金項目4項，國家973項目二級課題2項，國家863項目（課題）5項，國際500強企業(yè)（寶潔、西門子、安捷倫等）合作項目13項。目前已在本專業(yè)領域權威期刊和會議上發(fā)表學術論文113篇；編寫教材2本，參與編寫學術專著2部。作為第一完成人獲得國家發(fā)明專利26項，國際PCT發(fā)明專利4項，軟件著作權20項。作為清華方面的第一完成人，獲得國家科技進步二等獎1項，北京市科學技術一等獎、二等獎和三等獎各1項，重慶市科學技術三等獎1項，行業(yè)協(xié)會科學技術一等獎2項等。

圖書目錄

上篇演化機器學習——內(nèi)嵌特征選擇的學習分類器
第1章上篇引言
1.1 研究背景
1.2 上篇主要內(nèi)容
1.3 上篇的結構安排
第2章相關工作綜述
2.1 概述
2.2 學習分類器研究
2.2.1 進化計算
2.2.2 基于遺傳的機器學習思想
2.2.3 Michigan式學習分類器研究進展
2.2.4 Pittsburgh式學習分類器研究進展
2.3 特征選擇方法綜述
2.3.1 機器學習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
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 計算復雜度分析
3.4 本章小結
第4章基于合作式協(xié)同進化內(nèi)嵌特征選擇的學習分類器
4.1 概述
4.2 協(xié)同進化算法
4.2.1 協(xié)同進化思想起源
4.2.2 競爭式協(xié)同進化算法模型
4.2.3 合作式協(xié)同進化算法模型
4.3 基于合作式協(xié)同進化的學習分類器
4.3.1 算法設計思想
4.3.2 算法框架
4.3.3 分類器演化的Pittsburgh式學習分類器算法
4.3.4 計算復雜度分析
4.4 本章小結
第5章算法評估結果與分析
5.1 概述
5.2 算法比較實驗框架
5.2.1 Benchmark數(shù)據(jù)集
5.2.2 性能評估指標
……
下篇演化機器學習——分布估計的學習分類器
參考文獻