视觉机器学习20讲

本书详尽地介绍了K-Means、KNN学习、回归学习、决策树学习、andom Forest、贝叶斯学习、EM方法、AdaBoost、SVM方法、增强学习、流形学习、RBF学习、稀疏表示、字典学习、BP学习、CNN学习、RBM学习、深度学习、遗传方法、粒子群方法、蚁群方法等基本理论；深入地阐述了视觉机器学习算法的改进优化方法和实验仿真；系统地总结了其优点和缺点；提供了配套的实验仿真源代码和数据库。