機器學習算法及其套用

內容簡介

隨著數字音樂內容的迅速增長以及人們對音樂鑑賞需求的日益提升，音樂信息的分類檢索及個性化推薦受到廣大網民和有關從業人員越來越廣泛的關注,並成為研究及套用的新熱點。本書系統地闡述了機器學習中的常用分類與推薦方法,介紹了網路音樂自動分類與推薦的理論基礎，重點探討了ＳＶＭ和ＫＮＮ分類算法的改進，以及協同過濾推薦算法和基於馬爾可夫模型推薦算法的改進，並對改進後的算法套用到音樂自動分類和個性化推薦領域進行了探索性研究。

本書展現了機器學習常用算法的原理、改進及套用案例，適合機器學習、數據挖掘及大數據等領域的專業人員閱讀。

圖書目錄

前言

第１章機器學習簡介１

　１.１機器學習的概念１

　１.２機器學習的發展２

　１.３機器學習的研究現狀３

１.３.１傳統機器學習的研究現狀４

１.３.２大數據環境下機器學習的研究現狀５

　１.４機器學習的分類５

　　１.４.１有監督學習６

　　１.４.２無監督學習７

１.４.３半監督學習８

１.４.４強化學習９

　１.５本章小結１１

第２章音樂、數字音樂與網路音樂１２

　２.１音樂的藝術形式１２

　２.２音樂的產生及發展１４

　２.３音樂的要素１５

　２.４音樂的存儲與表示１７

２.４.１數字音樂及其特點１７

２.４.２數字音樂檔案的特點和格式１９

　２.５網路音樂的發展２０

　２.６網路音樂的特徵２２

　２.７本章小結２３

第３章網路音樂的分類與推薦基礎２４

　３.１基於內容的音樂信息檢索２４

３.１.１音高與旋律２５

３.１.２音樂節奏２６

　　３.１.３　音樂和聲２８

　３.２　音樂的分類２９

　　３.２.１　按表達方式分類３０

　　３.２.２　按旋律風格分類３１

　　３.２.３　從音樂的歷史角度分類３２

　　３.２.４　按音樂流派分類３６

　３.３　網路音樂的自動分類４０

　３.４　網路音樂推薦算法綜述４２

　３.５　本章小結４４

第４章　機器學習中的分類與推薦算法４５

　４.１　樸素貝葉斯４５

　４.２　決策樹４７

　４.３　ｋ￣近鄰５０

　４.４　支持向量機５１

　４.５　人工神經網路５３

　４.６　基於內容的推薦５７

　４.７　協同過濾推薦６０

　４.８　基於馬爾可夫模型的推薦６２

　４.９　混合推薦６４

　４.１０　推薦算法評價６４

　４.１１　本章小結６６

第５章　基於支持向量機的音樂流派分類６7

機器學習算法及其套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條