《無監督學習方法及其套用》是2016年電子工業出版社出版的圖書，作者是謝娟英。
基本介紹
- 書名：無監督學習方法及其套用
- 作者：謝娟英
- ISBN：9787121305023
- 頁數：432
- 出版社：電子工業出版社
- 出版時間：2016-11
- 開本：16開
基本信息,內容簡介,目錄信息,
基本信息
無監督學習方法及其套用
作 譯 者：謝娟英
出版時間：2016-11
千 字 數：520
版 次：01-01
頁 數：432
開 本：16開
I S B N ：9787121305023
內容簡介
無監督學習是機器學習的一個重要分支，其在機器學習、數據挖掘、生物醫學大數據分析、數據科學等領域有著重要地位。本書闡述作者近年在無監督學習領域所取得的主要研究成果，包括次勝者受罰競爭學習算法、K-means學習算法、K-medoids學習算法、密度學習算法、譜圖聚類算法；最後介紹了無監督學習在基因選擇、疾病診斷中的套用。
目錄信息
第1章 緒論 1
1.1 機器學習簡介 1
1.2 無監督學習簡介 2
第2章 數據預處理與樣本相似性度量 31
2.1 數據預處理方法 31
2.2 樣本相似性度量方法 48
第3章 聚類結果評價指標 55
3.1 內部評價指標 55
3.2 外部評價指標 72
第4章 競爭學習算法 87
4.1 傳統次勝者受罰競爭學習算法 87
4.2 基於密度的次勝者受罰競爭算法 95
4.3 改進的密度次勝者受罰競爭學習算法 99
第5章 K-means學習算法 108
5.1 傳統K-means聚類算法 108
5.2 密度RPCL最佳化的K-means聚類算法 111
5.3 基於樣本分布密度的K-means聚類算法 118
5.4 最小方差最佳化初始聚類中心的K-means算法 125
5.5 全局K-means聚類算法 134
5.6 密度全局K-means聚類算法 136
5.7 粗糙K-means聚類算法 142
5.8 粒度K-means聚類算法 150
第6章 K-medoids學習算法 171
6.1 傳統K-medoids聚類算法 171
6.2 快速K-medoids聚類算法 173
6.3 鄰域K-medoids聚類算法 180
6.4 方差最佳化初始聚類中心的K-medoids算法 187
6.5 粒度K-medoids聚類算法 209
6.6 密度峰值最佳化初始聚類中心的K-medoids聚類算法 234
第7章 基於密度的無監督學習算法 259
7.1 DBSCAN算法 259
7.2 快速密度峰值發現聚類算法 262
7.3 K近鄰最佳化的快速密度峰值發現聚類算法 265
7.4 模糊加權K近鄰最佳化的密度峰值發現聚類算法 286
第8章 譜圖聚類算法 302
8.1 最小生成樹聚類算法 302
8.2 譜聚類算法 306
第9章 無監督學習方法的套用 318
9.1 基於無監督學習的基因選擇 318
9.2 基於無監督學習的疾病診斷 338
9.3 無監督學習在生物醫學大數據分析中的套用展望 404
