人工智能算法（Python语言版）

定　价：¥59.80

作　者：	胡矿，岳昆，段亮，武浩
出版社：	清华大学出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787302608301	出版时间：	2022-09-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　本书以“经典计算机算法—数据挖掘算法—深度学习算法”为主线，将人工智能算法与Python程序示例相结合，开发了基于Git的在线编程平台和案例库，旨在构建人工智能算法“思想—伪码—分析—实现”四位一体的知识传递和学习框架。各章基于一个经典问题或典型例子介绍各类算法，给出问题背景、算法伪码和程序示例，注重算法设计与分析理念的传递。本书分基础篇、提高篇和新技术篇：基础篇（第1～7章）以分治法、减治法、贪心法、动态规划法、回溯法、分支限界法为代表，介绍经典计算机算法；经典篇（第8～13章）以分类、聚类、异常检测、频繁模式挖掘、链接分析和概率推理算法为代表，介绍数据挖掘算法；新技术篇（第14～18章）以降维、目标检测、问答系统、图分析算法为代表，介绍深度学习算法。本书内容的学习，需读者具有计算机程序设计和数据结构的基础知识，以及使用开源平台的基本能力。本书可作为计算机和电子信息类相关专业本科生、研究生、职校生的算法、人工智能或机器学习等相关课程的教材或主要参考书，也可作为人工智能相关领域研究和开发人员的参考书。教师可根据学生类别、课程性质、学分设置和学习目标等选择不同篇（或章）进行讲解。

作者简介

暂缺《人工智能算法（Python语言版）》作者简介

图书目录

第1章算法设计与分析基础3
1.1概述3
1.2算法的基本概念3
1.3算法效率分析5
1.3.1渐进时间的概念5
1.3.2渐进时间的符号6
1.3.3渐进符号的性质7
1.4算法的最坏和平均情况分析8
1.5算法运行时间估计9
1.6小结11
习题11

第2章分治法13
2.1分治法概述13
2.2合并排序14
2.3Python程序示例19
2.4小结20
习题20

第3章减治法22
3.1减治法概述22
3.2拓扑排序24
3.3Python程序示例27
3.4小结27
习题28

第4章贪心法29
4.1贪心法概述29
4.2哈夫曼编码30
4.2.1前缀码31
4.2.2算法步骤31
4.2.3算法正确性证明32
4.3Python程序示例34
4.4小结35
习题35

第5章动态规划法37
5.1动态规划概述37
5.201背包问题38
5.2.1最优子结构性质38
5.2.2递推式39
5.2.3算法步骤39
5.3Python程序示例43
5.4小结44
习题44

第6章回溯法46
6.1回溯法概述46
6.2n后问题的回溯算法48
6.2.1问题描述48
6.2.2算法步骤48
6.3Python程序示例51
6.4小结52
习题52

第7章分支限界法53
7.1分支限界法概述53
7.201背包问题的分支限界算法55
7.2.1广度优先搜索分支限界算法55
7.2.2优先队列式分支限界算法57
7.3Python程序示例60
7.4小结62
习题63
提高篇数据挖掘算法
第8章分类算法67
8.1分类算法概述67
8.2决策树67
8.2.1基本概念68
8.2.2构造算法68
8.2.3分类规则的提取71
8.3支持向量机71
8.3.1基本概念72
8.3.2训练算法72
8.3.3核函数75
8.4贝叶斯分类75
8.4.1基本思想76
8.4.2朴素贝叶斯分类算法77
8.5Python程序示例79
8.6小结85
思考题86

第9章聚类算法87
9.1聚类算法概述87
9.2k均值算法89
9.2.1基本思想89
9.2.2算法步骤90
9.3基于MapReduce的k均值并行聚类算法91
9.3.1基本思想91
9.3.2算法步骤91
9.4Python程序示例93
9.5小结95
思考题96

第10章异常检测算法97
10.1异常检测概述97
10.2局部异常因子算法97
10.2.1基本思想98
10.2.2算法步骤100
10.3基于聚类的局部异常因子算法103
10.3.1基本思想103
10.3.2算法步骤103
10.4Python程序示例107
10.5小结111
思考题112

第11章频繁模式挖掘算法113
11.1频繁模式挖掘概述113
11.2Apriori算法114
11.2.1基本概念114
11.2.2基本思想115
11.2.3算法步骤116
11.2.4关联规则的生成118
11.3Python程序示例119
11.4小结121
思考题122

第12章链接分析算法123
12.1链接分析概述123
12.2PageRank算法124
12.2.1基本思想124
12.2.2算法步骤125
12.3基于MapReduce的PageRank算法127
12.3.1基本思想127
12.3.2算法步骤128
12.4Python程序示例130
12.5小结131
思考题131

第13章概率推理算法132
13.1概率推理概述132
13.2贝叶斯网的构建133
13.2.1基本概念133
13.2.2学习算法133
13.3基于贝叶斯网的概率推理138
13.3.1精确推理算法138
13.3.2近似推理算法141
13.4Python程序示例143
13.5小结148
思考题148
新技术篇深度学习算法
第14章人工神经网络和深度学习概述153
14.1人工神经网络153
14.1.1神经元模型153
14.1.2感知机154
14.1.3多层神经网络156
14.2深度学习159
14.3小结160
思考题161