• 首页
  • 本馆介绍
  • 公告通知
  • 最新文献
  • 馆藏检索
  • 电子资源
  • 读者导购
  • 参考咨询
  • 我的图书馆
  • 登录
  • 详细信息显示
  • 放入我的书架
  • 预约/预借图书
  • 作者相关作品
  • 分类相关作品
  • 丛书相关作品
  • 出版社相关作品

书目信息

  • 表格格式
  • 工作单格式
  • 卡片格式
题名:
机器学习
    
 
作者: 贝耶勒 著 ;王磊 译
分册:  
出版信息: 北京   机械工业出版社  2019
页数: 12,251页
开本: 24cm
丛书名: 智能系统与技术丛书
单 册:
中图分类: TP181 , TP391.413
科图分类:
主题词: 机器学习 , 图象处理软件--程序设计
电子资源:
ISBN: 978-7-111-61151-6
000 01822nam0 2200337 450
001 2553200788
005 20250305144717.99
010    @a978-7-111-61151-6@dCNY69.00
049    @aA330300WZL@bUCS01009307809@c2004646541
100    @a20181212d2019 em y0chiy0110 ea
101 1  @achi@ceng
102    @aCN@b110000
105    @aa z 000yy
200 1  @a机器学习@9ji qi xue xi@b专著@e使用OpenCV和Python进行智能图像处理@dMachine learning for OpenCV@f(美)迈克尔·贝耶勒(Michael Beyeler)著@g王磊译@zeng
210    @a北京@c机械工业出版社@d2019
215    @a12,251页@c图@d24cm
225 1  @a智能系统与技术丛书
305    @a由Packt Publishing授权
330    @a全书共12章,第1章简要介绍机器学习基础知识,并讲解如何安装OpenCV和Python工具;第2章展示经典的机器学习处理流程及OpenCV和Python工具的使用;第3章讨论监督学习算法,以及如何使用OpenCV实现这些算法;第4章讨论数据表示和特征工程,并介绍OpenCV中提供的用于处理图像数据的常见特征提取技术;第5章展示如何使用OpenCV构建决策树进行医疗诊断;第6章讨论如何使用OpenCV构建支持向量机检测行人;第7章介绍概率论,并展示如何使用贝叶斯学习实现垃圾邮件过滤;第8章讨论一些非监督学习算法;第9章详细讲解如何构建深度神经网络来识别手写数字;第10章讨论如何高效地集成多个算法来提升性能;第11章讨论如何比较不同分类器的结果,选择合适的工具;第12章给出一些处理实际机器学习问题的提示和技巧。
510 1  @aMachine learning for OpenCV@zeng
517 1  @a使用OpenCV和Python进行智能图像处理@9shi yong OpenCV he Python jin xing zhi neng tu xiang chu li
606 0  @a机器学习
606 0  @a图象处理软件@x程序设计
690    @aTP181@v5
690    @aTP391.413@v5
701  0 @c(美)@a贝耶勒@9bei ye le@c(Beyeler, Michael)@4著
702  0 @a王磊@9wang lei@4译
801  2 @aCN@bOLCC @c20190422
801  2 @aCN@bA330300WZL@c20181212
801  0 @aCN@bWT@c20181212
905    @a241250@dTP391.413@e359
    
    机器学习:使用OpenCV和Python进行智能图像处理=Machine learning for OpenCV/(美)迈克尔·贝耶勒(Michael Beyeler)著/王磊译.-北京:机械工业出版社,2019
    12,251页:图;24cm.-(智能系统与技术丛书)
    
    
    ISBN 978-7-111-61151-6:CNY69.00
    全书共12章,第1章简要介绍机器学习基础知识,并讲解如何安装OpenCV和Python工具;第2章展示经典的机器学习处理流程及OpenCV和Python工具的使用;第3章讨论监督学习算法,以及如何使用OpenCV实现这些算法;第4章讨论数据表示和特征工程,并介绍OpenCV中提供的用于处理图像数据的常见特征提取技术;第5章展示如何使用OpenCV构建决策树进行医疗诊断;第6章讨论如何使用OpenCV构建支持向量机检测行人;第7章介绍概率论,并展示如何使用贝叶斯学习实现垃圾邮件过滤;第8章讨论一些非监督学习算法;第9章详细讲解如何构建深度神经网络来识别手写数字;第10章讨论如何高效地集成多个算法来提升性能;第11章讨论如何比较不同分类器的结果,选择合适的工具;第12章给出一些处理实际机器学习问题的提示和技巧。
●
相关链接


正题名:机器学习     索取号:TP391.413/359         预约/预借

序号 登录号 条形码 馆藏地/架位号 状态 备注
1 2033959   220339596   密集书库2/ [索取号:TP391.413/359] 在馆   密集库流水号:317276
密集库架位号:  
商丘师范学院图书馆 欢迎您!
大连网信软件有限公司© 版权所有