书目信息 |
| 题名： |
演化机器学习
|
|
| 作者： | 徐华 著 | |
| 分册： | ||
| 出版信息： | 北京 清华大学出版社 2025.03 |
|
| 页数： | X, 289页 | |
| 开本： | 23cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | TP181 | |
| 科图分类： | ||
| 主题词： | 机器学习--ji qi xue xi | |
| 电子资源： | ||
| ISBN： | 978-7-302-68208-0 | |
| 000 | 01404nam0 2200265 450 | |
| 001 | 92222 | |
| 005 | 20250817194336.57 | |
| 010 | @a978-7-302-68208-0@dCNY69.00 | |
| 100 | @a20250415d2025 em y0chiy50 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aa a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a演化机器学习@Ayan hua ji qi xue xi@f徐华著 |
| 205 | @a第2版 | |
| 210 | @a北京@c清华大学出版社@d2025.03 | |
| 215 | @aX, 289页@c图@d23cm | |
| 314 | @a徐华, 博士, 清华大学计算机系长聘副教授, 博士生导师。曾受邀担任国家工信部03号科技重大专项核心专家、“科技助力经济2020 ”国家重点研发计划项目验收专家组组长、国家发改委产业创新中心咨询专家。 | |
| 320 | @a有书目 (第262-279页) | |
| 330 | @a本书针对基于演化的机器学习的一些关键问题进行深入探索。全书共20章, 分为3篇。上篇为第1-6章, 探索了深度改进的分布估计算法, 提出了基于共轭先验分布的两层分布估计算法、带有链接学习的量子演化算法和问题规模自适应的基于分解的多目标分布估计算法。中篇为第7-13章, 针对学习分类器与特征选择方法, 重点研究两者的融合策略, 将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于演化的机器学习框架下, 同时改善了分类算法的预测性能与运行效率。下篇为第14-20章, 从提高规则空间的搜索质量出发, 立足于分类问题, 介绍基于分布估计算法的学习分类器。 | |
| 606 | 0 | @a机器学习@Aji qi xue xi |
| 690 | @aTP181@v5 | |
| 701 | 0 | @a徐华@Axu hua@4著 |
| 801 | 0 | @aCN@c20250909 |
| 905 | @a河南城建学院图书馆@dTP181@eX720-2=2@f1 | |
| 演化机器学习/徐华著.-第2版.-北京：清华大学出版社，2025.03 |
| X, 289页：图；23cm |
| ISBN 978-7-302-68208-0：CNY69.00 |
| 本书针对基于演化的机器学习的一些关键问题进行深入探索。全书共20章, 分为3篇。上篇为第1-6章, 探索了深度改进的分布估计算法, 提出了基于共轭先验分布的两层分布估计算法、带有链接学习的量子演化算法和问题规模自适应的基于分解的多目标分布估计算法。中篇为第7-13章, 针对学习分类器与特征选择方法, 重点研究两者的融合策略, 将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于演化的机器学习框架下, 同时改善了分类算法的预测性能与运行效率。下篇为第14-20章, 从提高规则空间的搜索质量出发, 立足于分类问题, 介绍基于分布估计算法的学习分类器。 |
| ● |
| 相关链接 |
|
|
|
正题名：演化机器学习
索取号：TP181/X720-2=2
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 1626186 | 216261863 | 自科库301/ [索取号:TP181/X720-2=2] | 在馆 |