《視覺機器學習20講》特別重視如何將視覺機器學習算法的理論和實踐有機地結合,解決視覺機器學習領域中的諸多基礎問題,可應用於醫學圖像分析、工業自動化、機器人、無人車、人臉檢測與識別、車輛信息識別、行為檢測與識別、智能視頻監控等。
《視覺機器學習20講》特別重視算法的典型性和可實現性,既包含本領域的經典算法,也包含本領域的最新研究成果。
謝劍斌,博士后,曾於新加坡國立大學訪問學習,現為國防科技大學電子科學與工程學院教授,中國生物特征識別國家標准組委員、中國數字電視國家標准組委員、中國圖象圖形學會高級會員、計算機學會高級會員、電光與控制編委會委員。
長期從事數字視頻分析與生物特征識別方面的研究工作,參與和主持國家863項目3項、國防預研項目2項、航空基金項目1項、國家標准項目2項、公安部創新計划項目3項、橫向項目17項。參與制定安全防范系統生物特征識別國家標准、面向安全監視的視頻獲取國家標准、數字電視地面傳輸國家標准、機載TFT液晶顯示器軍用標准。
發表學術論文70多篇,出版專着4部,授權國家發明專利15項、實用新型專利27項。獲湖南省科技進步二等獎1項,公安部技術革新成果特別項目獎2項,國際發明展金獎2項,全國發明展覽會金獎1項、銅獎1項。
緒論
第1講 K-means
1.1 基本原理
1.2 算法改進
1.3 仿真實驗
1.4 算法特點
第2講 KNN學習
2.1 基本原理
2.2 算法改進
2.3 仿真實驗
2.4 算法特點
第3講 回歸學習
3.1 基本原理
3.1.1 參數回歸
3.1.2 非參數回歸
3.1.3 半參數回歸
3.2 算法改進
3.2.1 線性回歸模型
3.2.2 多項式回歸模型
3.2.3 主成分回歸模型
3.2.4 自回歸模型
3.2.5 核回歸模型
3.3 仿真實驗
3.3.1 回歸學習流程
3.3.2 基於回歸學習的直線邊緣提取
3.3.3 基於回歸學習的圖像插值
3.4 算法特點
第4講 決策樹學習
4.1 基本原理
4.1.1 分類與聚類
4.1.2 決策樹
4.1.3 信息增益的度量標准
4.1.4 信息增益度量期望的熵降低
4.1.5 悲觀錯誤剪枝
4.1.6 基本決策樹算法
4.2 算法改進
4.2.1 ID3算法
4.2.2 C4.5算法
4.2.3 SLIQ算法
4.2.4 SPRINT算法
4.3 仿真實驗
4.3.1 用於學習布爾函數的ID3算法偽代碼
4.3.2 C4.5算法構造決策樹的偽代碼
4.4 算法特點
第5講 Random Forest學習
5.1 基本原理
5.1.1 決策樹
5.1.2 Bagging集成學習
5.1.3 Random Forest方法
5.2 算法改進
5.3 仿真實驗
5.3.1 Random Forest分類與回歸流程
5.3.2 Forest-RI和For
5.3.3 基於Random Forest的頭部姿態估計
5.4 算法特點
第6講 貝葉斯學習
6.1 基本原理
6.2 算法改進
6.2.1 朴素貝葉斯模型
6.2.2 層級貝葉斯模型
6.2.3 增廣貝葉斯學習模型
6.2.4 基於Boosting技術的朴素貝葉斯模型
6.2.5 貝葉斯神經網絡模型
6.3 仿真實驗
6.3.1 Learn_Bays
6.3.2 Classify_Ba
6.4 算法特點
第7講 EM算法
7.1 基本原理
7.2 算法改進
7.2.1 EM算法的快速計算
7.2.2 未知分布函數的選取
7.2.3 EM算法收斂性的改進
7.3 仿真實驗
7.3.1 EM算法流程
7.3.2 EM算法的偽代碼
7.3.3 EM算法應用——高斯混合模型
7.4 算法特點
第8講 Adaboost
8.1 基本原理
8.1.1 Boosting方法
8.1.2 Adaboost方法
8.2 算法改進
8.2.1 權值更新方法的改進
8.2.2 Adaboost並行算法
8.3 仿真實驗
8.3.1 Adaboost算法實現流程
8.3.2 Adaboost算法示例
8.4 算法特點
8.4.1 Adaboost算法的優點
8.4.2 Adaboost算法的缺點
……
第9講 SVM方法
第10講 增強學習
第11講 流形學習
第12講 RBF學習
第13講 稀疏表示
第14講 字典學習
第15講 BP學習
第16講 CNN學習
第17講 RBM學習
第18講 深度學習
第19講 遺傳算法
第20講 蟻群方法