机器学习与大数据技术

封面

版权信息

内容提要

前言

第1章 绪论

1.1 机器学习

1.2 大数据

1.3 人工智能

1.4 图像处理技术

第2章 机器学习的理论与方法

2.1 回归分析与最小二乘法

2.2 聚类

2.3 遗传算法

2.4 蚁群算法

2.5 粒子群算法

2.6 人工神经网络

2.7 支持向量机

2.8 隐马尔科夫模型

第3章 深度学习理论与方法

3.1 简介

3.2 常见模型

3.3 应用场景

3.4 发展趋势

第4章 大数据处理技术

4.1 大数据简介

4.2 大数据技术

4.3 大数据处理框架

4.4 大数据面临的挑战

第5章 大数据与智能系统开发——以农业应用为例

5.1 农业信息化概述

5.2 农业大数据概述

5.3 农业大数据技术

5.4 农业大数据的机遇、挑战与对策

5.5 基于安卓的农业智能

第6章 图像处理与分析技术

6.1 简介

6.2 图像处理技术在农业中的应用

6.3 图像细化算法

第7章 机器学习、大数据技术和图像处理技术的应用——以农业应用为例

7.1 随机森林在棉蚜等级预测中的应用

7.2 基于邻域核函数的局部支持向量机在树木图像分类中的应用

7.3 局部支持向量回归在小麦蚜虫预测中的应用

7.4 深度学习在小麦蚜虫短期预测中的应用

7.5 基于Spark的支持向量机在小麦病害图像识别中的应用

7.6 Hadoop平台下基于粒子群的局部支持向量机

第8章 Python基础

8.1 基础知识

8.2 语言基础

8.3 函数

8.4 类

8.5 文件

第9章 Python数据处理与机器学习

9.1 矩阵计算

9.2 网络爬虫

9.3 数据库

9.4 OpenCV图像编程

9.5 数据可视化

9.6 基于Python的机器学习算法

9.7 基于Python的大数据处理技术

9.8 Tensorflow编程