机读格式显示(MARC)

• 000 01410nam0 2200229 450

• 001 0000560485

• 005 20210611102400.0

• 010 __ |a 978-7-5635-6330-2 |d CNY35.00

• 100 __ |a 20210325d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a y z 000yy

• 106 __ |a r

• 200 1_ |a 演化机器学习 |A Yan Hua Ji Qi Xue Xi |9 yan hua ji qi xue xi |f 徐华编著

• 210 __ |a 北京 |c 北京邮电大学出版社 |d 2021.3

• 215 __ |a 211 |d 26cm

• 330 __ |a 近年来,演化计算作为计算智能中传统的优化技术,已经广泛应用于求解各种数据挖掘问题,形成 了一种基于遗传的机器学习新范式学习分类器。一方面,在真实场景中采集的原始数据不可避免地包 含着冗余乃至噪声的属性信息,这些不相关的特征将对学习分类器算法的学习性能与计算效率造成负 面影响。另一方面,学习分类器以显式规则表示目标概念,在监督学习或强化学习机制的基础上,利用 演化算法对规则空间进行搜索,从而完成学习任务。规则空间的有效搜索是影响学习分类器性能的关 键。针对上述问题,本书的主要探讨内容:一是学习分类器与特征选择方法,重点是做两者的整合研究, 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遗传的机器学习 框架下,同时改善分类算法的预测性能与运行效率;二是从提高规则空间的搜索质量出发,着眼于分类 问题,介绍了基于分布估计算法的学习分类器。 本书可作为大数据及人工智能等相关专业的教材与参考用书。

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 徐华 |A Xu Hua |4 编著

• 801 _0 |a CN |b 91CIP |c 20210325

• 905 __ |a WXCSXY |d TP181/149