| 作 者： | 谢娟英 |
| 出版社： | 电子工业出版社 |
| 丛编项： | |
| 版权说明： | 本书为出版图书，暂不支持在线阅读，请支持正版图书 |
| 标 签： | 计算机/网络 人工智能 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
目 录
第1章 绪论1
1.1 机器学习简介1
1.2 无监督学习简介2
第2章 数据预处理与样本相似性度量31
2.1 数据预处理方法31
2.2 样本相似性度量方法48
第3章 聚类结果评价指标55
3.1 内部评价指标55
3.2 外部评价指标72
第4章 竞争学习算法87
4.1 传统次胜者受罚竞争学习算法87
4.2 基于密度的次胜者受罚竞争算法95
4.3 改进的密度次胜者受罚竞争学习算法99
第5章 K-means学习算法108
5.1 传统K-means聚类算法108
5.2 密度RPCL优化的K-means聚类算法111
5.3 基于样本分布密度的K-means聚类算法118
5.4 最小方差优化初始聚类中心的K-means算法125
5.5 全局K-means聚类算法134
5.6 密度全局K-means聚类算法136
5.7 粗糙K-means聚类算法142
5.8 粒度K-means聚类算法150
第6章 K-medoids学习算法171
6.1 传统K-medoids聚类算法171
6.2 快速K-medoids聚类算法173
6.3 邻域K-medoids聚类算法180
6.4 方差优化初始聚类中心的K-medoids算法187
6.5 粒度K-medoids聚类算法209
6.6 密度峰值优化初始聚类中心的K-medoids聚类算法234
第7章 基于密度的无监督学习算法259
7.1 DBSCAN算法259
7.2 快速密度峰值发现聚类算法262
7.3 K近邻优化的快速密度峰值发现聚类算法265
7.4 模糊加权K近邻优化的密度峰值发现聚类算法286
第8章 谱图聚类算法302
8.1 最小生成树聚类算法302
8.2 谱聚类算法306
第9章 无监督学习方法的应用318
9.1 基于无监督学习的基因选择318
9.2 基于无监督学习的疾病诊断338
9.3 无监督学习在生物医学大数据分析中的应用展望 404
