无监督学习方法及其应用
本书特色
[
无监督学习是机器学习的一个重要分支,其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。本书阐述作者近年在无监督学习领域所取得的主要研究成果,包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法;*后介绍了无监督学习在基因选择、疾病诊断中的应用。
]
作者简介
[
谢娟英,博士,副教授,硕士生导师,中国计算机学会高级会员。 “Health Information Science and Systems”副主编。主要研究方向为机器学习、数据挖掘、生物医学大数据分析、智能信息处理等。
]
目录
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 *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 *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
封面
书名:无监督学习方法及其应用
作者:谢娟英
页数:425
定价:¥88.0
出版社:电子工业出版社
出版日期:2016-11-01
ISBN:9787121305023
PDF电子书大小:62MB 高清扫描完整版