模式识别与机器学习被引量：1

Pattern Recognition and Machine Learning

下载PDF

导出

摘要内容简介本书系统介绍了模式识别与机器学习的基础理论、模型与算法,兼顾前沿知识的融入。以贝叶斯学习思想贯穿始终,并适时与其他重要知识点(如支持向量机、深度学习等)进行交叉和关联,便于读者在形成良好知识体系的同时保持对整个领域知识的把握。全书共14章和4个附录,循序渐进地剖析模式识别与机器学习领域。首先介绍贝叶斯学习基础、逻辑回归、概率图模型基础、隐马尔可夫模型和条件随机场.

作者孙仕亮赵静

机构地区不详

出处《计算机教育》 2020年第11期F0002-F0002,共1页 Computer Education

关键词贝叶斯学习模式识别机器学习条件随机场概率图模型支持向量机隐马尔可夫模型深度学习

分类号 TP181-5 [自动化与计算机技术—控制理论与控制工程] TP391.4-5 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

同被引文献15

1马浚诚,杜克明,郑飞翔,张领先,孙忠富.基于卷积神经网络的温室黄瓜病害识别系统[J].农业工程学报,2018,34(12):186-192. 被引量：64
2刘峻,孙美艳,焦中元,练毅.基于全局阈值迭代的苹果图像分割计数方法[J].安徽农业科学,2018,46(29):180-182. 被引量：4
3龙满生,欧阳春娟,刘欢,付青.基于卷积神经网络与迁移学习的油茶病害图像识别[J].农业工程学报,2018,34(18):194-201. 被引量：141
4王聃,柴秀娟.机器学习在植物病害识别研究中的应用[J].中国农机化学报,2019,40(9):171-180. 被引量：42
5许景辉,邵明烨,王一琛,韩文霆.基于迁移学习的卷积神经网络玉米病害图像识别[J].农业机械学报,2020,51(2):230-236. 被引量：127
6刘慧力,贾洪雷,王刚,GLATZEL Stephan,袁洪方,黄东岩.基于深度学习与图像处理的玉米茎秆识别方法与试验[J].农业机械学报,2020,51(4):207-215. 被引量：27
7孙红,李松,李民赞,刘豪杰,乔浪,张瑶.农业信息成像感知与深度学习应用研究进展[J].农业机械学报,2020,51(5):1-17. 被引量：78
8余小东,杨孟辑,张海清,李丹,唐毅谦,于曦.基于迁移学习的农作物病虫害检测方法研究与应用[J].农业机械学报,2020,51(10):252-258. 被引量：49
9周惠汝,吴波明.深度学习在作物病害图像识别方面应用的研究进展[J].中国农业科技导报,2021,23(5):61-68. 被引量：25
10陈荣,李旺,周文玉.基于形状特征和支持向量机(SVM)的茶叶病害识别方法[J].贵州农业科学,2021,49(4):53-59. 被引量：8

引证文献1

1戴久竣,马肄恒,吴坚,班兆军.基于改进残差网络的葡萄叶片病害识别[J].江苏农业科学,2023,51(5):208-215. 被引量：8

二级引证文献8

1Guowen ZHANG,Shuxin YIN.Research on Maize Seed Classification Method Based on Convolutional Neural Network[J].Agricultural Biotechnology,2023,12(4):119-121.
2李大华,仲婷,王笋,于晓.基于改进ShuffleNet v2的轻量化番茄叶片病害识别[J].江苏农业科学,2024,52(3):220-228. 被引量：1
3亢洁,刘佳,刘文波,夏宇,李亦轩,王佳乐.基于多感受野与多尺度融合的草莓病害分割算法[J].江苏农业科学,2024,52(4):206-215.
4吴方婧,张华民.基于卷积神经网络的葡萄叶病害诊断系统研究与开发[J].蚌埠学院学报,2024,13(2):64-70.
5蔡易南,肖小玲.基于改进YOLO v5n的葡萄叶病虫害检测模型轻量化方法[J].江苏农业科学,2024,52(7):198-205. 被引量：1
6孔令旺,赵刚.基于空洞卷积下采样单元的轻量化害虫图像识别模型[J].江苏农业科学,2024,52(11):189-196.
7刘奕,崔艳荣.基于改进ViT模型的水稻叶片病害识别方法[J].江苏农业科学,2024,52(11):197-204.
8陈诗瑶,孔淳,冯峰,孙博,王志军.一种基于改进ResNet18神经网络的苹果叶片病害识别方法[J].山东农业科学,2024,56(10):174-180.

1刘俊波,黄斌,邓蕾.基于PGM的态势预测技术[J].通信技术,2020,53(12):3001-3006.
2张语婷,李贵安.核心素养背景下中学物理前沿知识教学的挑战与对策[J].中国教育技术装备,2020(10):95-97.
3吴彬,杨戈,陈海洋.基于深度卷积神经网络的前景对象图像分割模型FOSegNet[J].东北师大学报（自然科学版）,2020,52(4):74-81. 被引量：2
4王慧,潘梅,王羽,严金龙.基于科学研究的环境化学实验体系改革[J].化学工程与装备,2020(10):288-289.
5周钰彬,彭骋远,徐天立.智能演算城市轨道交通大数据研究[J].黑龙江交通科技,2020,43(12):205-205.
6于占军,王献立,李明玉,付林杰,段向阳.金属氧化物电极材料储能性能综合实验设计[J].广东化工,2020,47(21):152-154. 被引量：2
7吴瑕,陈国忠,彭飞燕,王婕,欧智海,易志忠.以病理图片动态演变胃癌大鼠模型的建立[J].辽宁中医杂志,2020(8):179-182. 被引量：1
8王凌峰,詹雅晴,王璐.基于ISM方法的高管薪酬-绩效敏感性影响因素交互作用机理分析[J].系统科学学报,2020,28(4):122-126. 被引量：7
9孙智滨,康英伟,常俊,杨平.大型燃煤火电机组湿法脱硫系统控制研究[J].上海电力大学学报,2020,36(6):553-561. 被引量：8
10任杰锶.基于某轻卡变速箱有限元分析及试验研究[J].汽车实用技术,2020,45(23):113-117. 被引量：1

计算机教育

2020年第11期

浏览历史

内容加载中请稍等...

模式识别与机器学习被引量：1

同被引文献15

引证文献1

二级引证文献8

相关作者

相关机构

相关主题

浏览历史

模式识别与机器学习 被引量：1

同被引文献15

引证文献1

二级引证文献8

相关作者

相关机构

相关主题

浏览历史

模式识别与机器学习被引量：1