无监督学习方法及其应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

无监督学习方法及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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

1.3 无监督学习研究趋势 24

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 最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算法 171

6.1 传统K-medoids算法 171

6.2 快速K-medoids算法 173

6.3 邻域K-medoids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算法 209

6.6 密度峰值优化初始聚类中心的K-medoids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 最小生成树聚类算法 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 374

9.3 无监督学习在生物医学大数据分析中的应用展望 418