機器學習經典算法剖析 基於OpenCV
內容描述
機器學習是一種自動分析所構建模型的數據分析方法。通過迭代地從數據中不斷學習，機器學習可以使電腦找到一些隱含的信息量，而這些信息量是無法明確通過編程得到的。
本書以OpenCV 2.4.9為研究工具，對算法—正態貝葉斯分類器、K近鄰算法、支持向量機、決策樹、AdaBoost、梯度提升樹、隨機森林、期望極大值、神經網絡，不僅具體分析了它們的原理和實現方法，還進行了詳細的源碼解析，並且給出了基於OpenCV的程序實現範例，充分體現了理論與實踐相結合的特點。
目錄大綱
第1章正態貝葉斯分類器1
1.1原理分析1
1.2源碼解析8
1.3應用實例13
第2章K近鄰算法15
2.1原理分析15
2.2源碼解析16
2.3應用實例22
第3章支持向量機25
3.1原理分析25
3.2源碼解析50
3.3應用實例71
第4章決策樹73
4.1原理分析73
4.2源碼解析81
4.3應用實例117
第5章AdaBoost 120
5.1原理分析120
5.2源碼解析123
5.3應用實例140
第6章梯度提升樹142
6.1原理分析142
6.2源碼解析147
6.3應用實例158
第7章隨機森林161
7.1原理分析161
7.2源碼解析163
7.3應用實例171
第8章極端隨機樹173
8.1原理分析173
8.2源碼解析173
8.3應用實例187
第9章期望極大值189
9.1原理分析189
9.2源碼解析202
9.3應用實例212
第10章神經網絡214
10.1原理分析214
10.2源碼解析220
10.3應用實例241
附錄A Win7系統下OpenCV 2.4.9與
Visual Studio 2012
編譯環境的配置244
附錄B Win7系統下QT 5.3.1與
OpenCV 2.4.9編譯環境的
配置248
附錄C級聯分類器252
參考文獻287
作者介紹
趙春江
博士，在圖像處理、計算機視覺，人工智能方面有很深入的研究。共主持了兩個安徽省級項目。自從博士以來，共發表論文20餘篇，9篇被EI或SCI檢索。
