（2.2）高斯判别分析

AI100 2023-01-12 23:11:09

课时名称	课时知识点
（2.2）高斯判别分析

...全文

48 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

数学分析理论及应用作者：许尔伟，毛耀忠，安乐主编出版时间：2014年版内容简介　　《数学分析理论及应用》共分12章，主要内容包括函数、极限与连续；导数与微分；微分基本定理及其应用；不定积分；定积分及其应用；数项级数；函数项级数；多元函数的极限与连续；多元函数微分学及其应用；反常积分与含参变量的积分；重积分及其应用；曲线积分与曲面积分等。《数学分析理论及应用》结构合理、阐述准确、通俗易懂、深入浅出、条理清楚、逻辑性强，易于学习和理解。本书既可作为数学专业学生的参考书，可也作为非数学专业学生的参考书，对其他课程的学习也具有很好的参考价值。目录第1章函数、极限与连续 1.1 实数集与不等式 1.2 函数及其性质 1.3 初等函数 l.4 数列极限与函数极限 1.5 极限存在准则与两个重要极限 1.6 无穷小量与无穷大量 1.7 函数的连续与间断第2章导数与微分 2.1 导数的基本概念 2.2 函数的求导法则 2.3 隐函数求导法则及由参数方程确定的函数的导数 2.4 高阶导数 2.5 函数的微分第3章微分基本定理及其应用 3.1 微分中值定理 3.2 未定式极限 3.3 泰勒（Taylor）公式 3.4 函数的单调性、极值与凹凸性 3.5 平面曲线的曲率与函数作图 3.6 导数在经济分析中的应用第4章不定积分 4.l 不定积分的概念与性质 4.2 积分方法一一换元法、部分积分法 4.3 有理函数的不定积分第5章定积分及其应用 5.1 定积分概念与性质 5.2 连续函数的可积性 5.3 微积分基本定理 5.4 定积分的计算方法 5.5 定积分在几何中的应用 5.6 定积分的近似计算 5.7 定积分在物理学中的应用第6章数项级数 6.1 数项级数的基本概念与性质 6.2 正项级数 6.3 任意项级数 6.4 无穷乘积第7章函数项级数 7.1 一致收敛性 7.2 幂级数 7.3 函数幂级数展开式及其应用 7.4 傅里叶级数第8章多元函数的极限与连续 8.1 欧氏空间 8.2 多元函数与向量值函数的极限 8.3 多元函数连续第9章多元函数微分学及其应用 9.1 偏导数与全微分 9.2 复合函数求导法 9.3 隐函数存在定理 9.4 偏导数的几何应用 9.5 多元函数微分学的应用第10章反常积分与含参变量的积分 10.1 反常积分的性质与收敛判别 10.2 瑕积分的性质与收敛判别 10.3 含参变量常义积分 10.4 含参变量广义积分 10.5 欧拉积分第11章重积分及其应用 11.1 二重积分的概念与性质 11.2 二重积分的计算 11.3 二重积分的换元法 11.4 三重积分的概念与计算 11.5 应用举例第12章曲线积分与曲面积分 12.1 第一类曲线积分 12.2 第二类曲线积分 12.3 格林公式及其应用 12.4 第一类曲面积分 12.5 第二类曲面积分 12.6 高斯公式 12.7 斯托克斯公式参考文献

第一部分基本理论第2章听觉机理和汉语语音基础 2. 1 概述 2.2 听觉机理和心理 2.2.1 语音听觉器官的生理结构 2.2.2 语音听觉的心理 2.3 发音的生理机构与过程 2.4 汉语语音基本特性 2.4. 1 元音和辅音 2.4.2 声母和韵母 2.4.3 音调(字调) 2.4.4 音节(字)构成 2.4.5 汉语的波形特征 2.4.6 音的频谱特性 2.4.7 辅音的频谱特性 2.4.8 汉语语音的韵律特征 2.5 小结参考文献第3章语音信号处理方法--时域处理 3.1 概述 3.2 语音信号的数字化和预处理 3.2.1 语音信号的数字化 3.2.2 语音信号的预处理 3.3 短时平均能量和短时平均幅度 3.3.1 短时平均能量 3.3.2 短时平均幅度 3.4 短时过零分析 3.4. 1 短时平均过零率 3.4.2 短时上升过零间隔 3.5 短时自相关函数和平均幅度差函数 3.5.1 短时自相关函数 3.5.2 短时平均幅度差函数 3. 6 高阶统计量 3.6.1 单个随机变量情况 3.6.2 多个随机变量及随机过程情况 3.6.3 高斯过程的高阶累积量 3.7 小结参考文献第4章语音信号处理方法--时频处理 4. 1 概述 4.2 短时傅里叶变换 4.2.1 短时傅里叶变换的定义和物理意义 4.2.2 基于短时傅里叶变换的语谱图及其时频分辨率 4.2.3 短时傅里叶谱的采样 4. 3 小波变换 4.3.1 连续小波变换 4.3.2 二进小波变换 4.3.3 离散小波变换 4.3.4 多分辨分析 4.3.5 正交小波包 4.4 Wigner分布 4.4.1 Wigner分布的定义 4.4.2 Wigner分布的一般性质 4.4.3 两个信号和妁Wigner分布 4.4.4 Wigner分布的重建 4.4.5 Wigner分布的实现 4.5 小结参考文献第5章语音信号处理方法--倒谱同态处理 5.1 概述 5.2 复倒谱和倒谱 5.2.1 定义 5.2.2 复倒谱的性质 5.3 语音信号的倒谱分析与同态解卷积 5.3.1 叠加原理和广义叠加原理 5.3.2 同态解卷特征系统和同态解卷反特征系统 5.3.3 同态解卷系统 5.3.4 语音的复倒谱及同态解卷 5.4 避免相位卷绕的算法 5.4.1 最小相位信号法 5.4.2 递归法 5.5 小结参考文献第二部分语音识别系统第6章语料库 6.1 概述 6.2 语料库的基本特征 6.3 语料库的类型 6.4 语音语料库 6.4.1 语音语料库建立、收集和标注的意义 6.4.2 语音语料库的建立和收集要点 6.4.3 标准语音库语音特性描述 6.5 语料库的设计举例--863汉语普通话语音合成语料库的设计 6.5.1 语料库设计原则 6.5.2 语音库的标注 6.5.3 与语音语料库相关的文字语料库标注 6.6 小结参考文献第7章语音识别的预处理 7.1 概述 7.2 语音识别单元的选取 7.2.1 汉语音节 7.2.2 汉语的基本音素 7.2.3 汉语半音节 7.3 自动分段--端点检测技术 7.3.1 基于能量的端点检测 7.3.2 基于LPC-10声码器的端点检测 7.3. 3 基于信息熵的语音端点检测 7.3.4 基于频带方差的端点检测 7.3.5 基于倒谱特征的带噪语音信号端点检测 7.3.6 基于HMM的端点检测方法 7.3.7 基于分形技术的端点检测 7；3.8 基于自相关相似距离的端点检测 7.3.9 基于迟滞编码的端点检测 7.3.10 实时端点检测算法 7.4 小结参考文献第8章语音信号特征参数 8.1 概述 8.2 基音周期 8.2.1 自相关法及其改进 8.2.2 并行处理法 8.2.3 倒谱法 8.2.4 简化逆滤波法 8.3 线性预测参数 8.3.1 线性预测信号模型 8.3.2 线性预测误差滤波 8.3.3 语音信号的线性预测分析 8.3.4 线性预测分析的解法 8.3.5 斜格法及其改进 8.4 线谱对(LSP)参数 8.4.1 线谱对分析原理 8.4.2 线谱对分析的求解 8.5 LPCC参数 8.6 MFCC参数 8.7 ASCC参数 8.8 感觉加权的线性预测(PLP)特征 8.8.1 PLP参数 8.8.2 RASTA-PLP参数 8.9 动态差分参数 8.10 高阶信号谱类特征 8.10.1 WV谱的定义及其主要性质 8.10.2 WV谱计算式的一些变形 8.11 小结参考文献第9章特征变换 9.1 概述 9.2 线性判别分析(LDA) 9. 2.1 线性判别分析的概念 9.2.2 广义线性判别函数 9.2.3 Fisher线性判别 9.2.4 多类问题 9.3 主分量分析(PCA) 9.3.1 基于K-L变换的主分量分析 9.3. 2 随机向量的K-L展开 9.3. 3 基于K-L变换的降维 9. 4 独立分量分析(ICA) 9.4. 1 引言 9.4. 2 线性独立分量分析 9.4.3 线性独立分量分析算法 9.4.4 独立分量分析的预处理 9.4.5 非线性独立分量分析 9.5 小结参考文献第10章语音识别的模型 10.1 概述 10.2 动态时间规整(DTW) 10.2.1 动态规划技术(DP) 10. 2.2 DTW算法的改进 10.3 隐马尔可夫模型(HMM) 10.3.1 隐马尔可夫模型的定义 10.3. 2 HMM中的3个基本问题及其解决方案 10. 3.3 隐马尔可夫模型的类型 10.3.4 HMM算法实现的问题 10.4 分类模型(SVM) 10.4.1 引言 10.4.2 学习问题 10.4.3 学习过程一致性的条件 10.4. 4 学习过程收敛速度的界 10.4. 5 结构风险最小归纳原理 10.4.6 支持向量机 10.5 人工神经网络 10.5.1 引言 10.5.2 神经元的基本模型 10.5.3 前向网络 10.5.4 反馈网络 10.6 高斯混合模型(GMM) 10.6.1 高斯混合模型的定义 10.6.2 参数调整算法--EM算法 10.7 小结参考文献第三部分语音识别中关键处理技术第11章说话人自适应和说话人归一化技术 11.1 概述 11.2 自适应方式的分类 11.3 MLLR算法介绍 11.3.1 语音特征空间的划分 11.3.2 参数的估计 11.3.3 对均值矢量的变换 11. 4 MAP算法介绍 11.4.1 MAP算法准则 11.4.2 MAP算法公式推导 11.4.3 MAP算法讨论 11.5 说话人归一化技术 11.5.1 说话人归一化技术原理 11.5.2 声道长度归一化(VTLN) 11.6 小结参考文献第12章噪声抑制 12.1 概述 12.2 基于小波变换的噪声抑制 12.2.1 利用小波变换去除周期性噪声 12.2.2 利用小波变换去除冲激噪声 12.2.3 利用小波变换去除宽带噪声 12.2.4 小波去噪方法的分析 12.3 基于EVRC编码的噪声抑制 12.4 基于HMM模型的噪声补偿 12.5 小结参考文献第13章信道补偿 13.1 概述 13.2 稳健语音识别技术 13.2.1 稳健语音识别的提出 13.2.2 稳健语音识别的研究现状 13.3 信道补偿技术的主要方法 13.3.1 经验补偿技术 13.3.2 盲补偿 13.3.3 基于特征及模型的补偿 13.4 信道补偿技术在语音识别中的应用 13.4.1 信道补偿技术在汽车内语音识别中的应用 13.4.2 基于信道补偿的电话语音识别 13.5 小结参考文献第四部分语音识别应用第14章说话人识别 14.1 概述 14.2 说话人识别的基本原理 14.2.1 说话人识别系统的典型结构 14.2.2 技术原理 14.3 说话人识别的特征选择 14.3.1 说话人识别系统中常用的特征 14.3.2 特征参数的统计评价 14.4 说话人识别的主要方法 14.4.1 模板匹配法 14.4.2 概率统计方法 14.4.3 辨别分类器方法 14.4.4.混合方法 14.5 判决规则与性能评价标准 14.5.1 说话人辨认 14.5.2 说话人确认(检测) 14.6 说话人识别中的稳健技术 14.7 系统举例 14.7.1 GMM说话人辨认算法 14.7.2 SVM-GMM混合模型 14.7.3 CMM-UBM说话人确认 14.8 小结参考文献第15章关键词识别 15.1 概述 15.2 关键词识别及其与连续语音识别的关系 15.3 关键词识别原理 15.3.1 关键词识别系统组成 15.3.2 关键词识别的基本问题 15.3.3 关键词识别系统的主要技术难点 15.4 搜索策略 15.4.1 语音起始和结束点的粗判 15.4.2 帧同步的Viterbi解码算法 15.4.3 加入驻留惩罚的改进Viterbi解码算法 15.4.4 语法节点处的路径合并 15.4.5 回溯 15.5 识别结果的确认 15.5.1 置信度的原理 15.5.2 利用反词模型的拒识方法 15.5.3 利用识别结果本身信息的拒识方法 15.6 系统实现 15.6.1 训练和识别系统框图 15.6.2 训练系统的具体实现 15.6.3 识别系统的具体实现 15.7 小结参考文献第16章语言辨识 16.1 概述 16.1.1 语言辨识的原理 16.1.2 语言辨识技术研究发展的历史 16.2 语言辨识所需要的有用信息 16.3 针对自动语言辨识的知觉研究 16.4 语言辨识的主要方法 16.4.1 频谱相似性方法 16.4.2 基于韵律信息的方法 16.4.3 基于音素识别的方法 16.4.4 基于多语言语音单元的方法 16.4.5 单词层次方法 16.4.6 基于连续语音识别的方法 16.4.7 元音系统模型 16.5 语言辨识系统举例 16.5.1 基于GMM-UBM模型的语言辨识系统 16. 5.2 基于最小分类误差准则的语言辨识系统 16.5.3 基于说话人聚类和高斯混合模型的语言辨识系统 16.5.4 基于时频主分量分析和高斯混合模型的语言辨识系统 16.5.5 基于高斯混合二元模型的语言辨识系统 16.6 语言辨识系统评估 16.7 小结参考文献第17章连续语音识别 17.1 概述 17.2 连续语音识别整体模型 17.3 声学模型 17.3.1 语音识别单元的选取 17.3.2 基于予词单元HMM的训练 17.4 连续语音识别中的搜索策略 17.4.1 传统的帧同步算法 17.4.2 基于统计知识的帧同步搜索算法原理 17.4.3 受词法约束的词搜索树 17.4.4 连续语音识别中的双层搜索网络 17.5 语言模型 17.5.1 基于规则的方法 17.5.2 基于统计的方法 17.5.3 N-gram模型的平滑 17.5.4 基于文法规则的方法和基于统计的方法相结合 17.6 小结参考文献附录英汉名词对照

第1章算法设计和分析 1．1概述 1．2算法设计原则 1．3算法复杂性的度量 1．3．1时间复杂性 1．3．2空间复杂性 1．4最优算法 1．5算法的评价 1．5．1如何估计算法运行时间 1．5．2最坏情况和平均情况的分析 1．5．3平摊分析 1．5．4输入大小和问题实例思考题第2章GIS算法的计算几何基础 2．1维数扩展的9交集模型 2．1．1概述 2．1．2模型介绍 2．1．3空间关系的判定 2．2矢量的概念 2．2．1矢量加减法 2．2．2矢量叉积 2．3折线段的拐向判断 2．4判断点是否在线段上 2．5判断两线段是否相交 2．6判断矩形是否包含点 2．7判断线段、折线、多边形是否在矩形中 2．8判断矩形是否在矩形中 2．9判断圆是否在矩形中 2．10判断点是否在多边形内 2．10．1射线法 2．10．2转角法 2．11判断线段是否在多边形内 2．12判断折线是否在多边形内 2．13判断多边形是否在多边形内 2．14判断矩形是否在多边形内 2．15判断圆是否在多边形内 2．16判断点是否在圆内 2．17判断线段、折线、矩形、多边形是否在圆内 2．18判断圆是否在圆内 2．19计算两条共线的线段的交点 2．20计算线段或直线与线段的交点 2．21求线段或直线与圆的交点 2．22中心点的计算 2．23过点作垂线 2．24作平行线 2．25过点作平行线 2．26线段延长 2．27三点画圆 2．28线段打断 2．29前方交会 2．30距离交会 2．31极坐标作点思考题第3章空间数据的变换算法 3．1平面坐标变换 3．1．1平面直角坐标系的建立 3．1．2平面坐标变换矩阵 3．1．3平移变换 3．1．4比例变换 3．1．5对称变换 3．1．6旋转变换 3．1．7错切变换 3．1．8复合变换 3．1．9相对(xf，yf)点的比例变换 3．1．10相对(xf，yf)点的旋转变换 3．1．11几点说明 3．2球面坐标变换 3．2．1球面坐标系的建立 3．2．2确定新极Q地理坐标中、 3．3仿射变换 3．4地图投影变换 3．4．1概述 3．4．2地球椭球体的相关公式 3．4．3兰勃特投影 3．4．4墨卡托投影 3．4．5高斯一克吕格投影 3．4．6通用横轴墨卡托投影思考题第4章空间数据转换算法 4．1矢量数据向栅格数据转换 4．1．1矢量点的栅格化 4．1．2矢量线的栅格化 4．1．3矢量面的栅格化 4．2栅格数据向矢量数据转换 4．2．1栅格点坐标与矢量点坐标的关系 4．2．2栅格数据矢量化的基本步骤 4．2．3线状栅格数据的细化 4．2．4多边形栅格转矢量的双边界搜索算法 4．2．5多边形栅格转矢量的单边界搜索算法思考题第5章空间数据组织算法 5．1矢量数据的压缩 5．1．1间隔取点法 5．1．2垂距法和偏角法 5．1．3道格拉斯一普克法 5．1．4光栏法 5．1．5曲线压缩算法的比较 5．1．6面域的数据压缩算法 5．2栅格数据的压缩 5．2．1链式编码 5．2．2游程长度编码 5．2．3块式编码 5．2．4差分映射法 5．2．5四叉树编码 5．3拓扑关系的生成 5．3．1基本数据结构 5．3．2弧段的预处理 5．3．3结点匹配算法 5．3．4建立拓扑关系思考题第6章空间度量算法 6．1直线和距离 6．1．1直线 6．1．2直线方程 6．1．3点到直线的距离 6．2角度量算 6．3多边形面积的量算 6．3．1三角形面积量算 6．3．2四边形面积量算 6．3．3任意二维平面多边形面积量算 6．3．4任意三维平面多边形面积量算思考题第7章空间数据索引算法 7．1B树与B+树 7．1．1B树索引结构 7．1．2B+树索引结构 7．2R树结构 7．2．1R树定义 7．2．2R树索引的主要操作算法 7．2．3R*树算法 7．3四叉树结构 7．3．1常规四叉树 7．3．2线性四叉树 7．3．3线性四叉树的编码 7．3．4Z曲线和Hibert曲线算法思考题第8章空间数据内插算法 8．1概述 8．1．1几何方法 8．1．2统计方法 8．1．3空间统计方法 8．1．4函数方法 8．1．5随机模拟方法 8．1．6确定性模拟 8．1．7综合方法 8．2分段圆弧法 8．3分段三次多项式插值法 8．3．1三点法 8．3．2五点法 8．4趋势面插值算法 8．5反距离权重插值算法 8．6双线性插值算法 8．7薄板样条函数法 8．7．1薄板样条函数法 8．7．2规则样条函数 8．7．3薄板张力样条法 8．8克里金法 8．8．1普通克里金法 8．8．2通用克里金法思考题第9章Delaunay三角网与Voronoi图算法 9．1概述 9．2Voronoi图 9．3Delaunay三角形 9．4Voronoi图生成算法 9．4．1半平面的交 9．4．2增量构造方法 9．4．3分治算法 9．4．4减量算法 9．4．5平面扫描算法思考题第10章缓冲区分析算法 10．1概述 10．2缓冲区边界生成算法基础 10．3点缓冲区边界生成算法 10．4线缓冲区边界生成算法 10．5面缓冲区边界生成算法 10．6多目标缓冲区合并算法思考题第11章网络分析算法 11．1概述 11．2网络数据模型 11．3路径分析算法 11．3．1单源点的最短路径 11．3．2单目标最短路径问题 11．3．3单结点对间最短路径问题 11．3．4多结点对间最短路径问题 11．3．5次短路径求解算法 11．4最佳路径算法 11．4．1最大可靠路径 11．4．2最大容量路径 11．5连通性分析算法 11．5．1Prim算法 11．5．2Kruskal算法 11．6资源分配算法思考题第12章地形分析算法 12．1数字地面模型的生成算法 12．1．1基于离散点的DEM规则网格的生成 12．1．2基于不规则三角网的DEM生成 12．1．3DEM数据结构的相互转换 12．2基本地形因子分析算法 12．2．1坡面因子提取的算法基础 12．2．2坡度、坡向 12．2．3坡形 12．3地形特征提取算法 12．3．1地形特征点的提取 12．3．2基于规则格网DEM数据提取山脊与山谷线的典型算法 12．4通视分析算法 12．4．1判断两点之间的可视性的算法 12．4．2计算可视域的算法思考题第13章空间数据挖掘算法 13．1概述 13．2分类算法 13．2．1数据分类的基本过程 13．2．2决策树分类概述 13．2．3决策树的特点 13．2．4二叉决策树算法与分类规则的生成 13．2．5决策树分类算法 13．2．6决策树属性的选取 13．2．7改进决策树性能的方法 13．3泛化规则算法 13．3．1概念层次 13．3．2面向属性泛化的策略与特点 13．3．3基于规则的面向属性泛化方法 13．4相关分析 13．4．1两要素间的相关分析 13．4．2多要素之间的相关分析 13．4．3关联规则算法 13．5回归分析 13．5．1一元线性回归模型 13．5．2多元线性回归模型 13．5．3非线性回归模型 13．5．4回归分析与相关分析 13．6系统聚类分析 13．6．1概述 13．6．2聚类要素预处理 13．6．3分类统计量 13．6．4系统聚类法 13．6．5其他聚类方法概述 13．7判别分析 13．7．1距离判别 13．7．2费歇判别法 13．7．3贝叶斯判别法 13．7．4判别分析应注意的问题 13．8主成分分析 13．8．1主成分分析的基本原理 13．8．2主成分分析的方法思考题第14章数据输出算法 14．1概述 14．1．1地图符号构成元素组成 14．1．2地图符号几何特征 14．1．3基于SVG的地图符号描述模型 14．2点状地图符号的绘制 14．2．1圆的绘制 14．2．2椭圆的绘制 14．2．3多边形的绘制 14．2．4五角星的绘制 14．3线状地图符号的绘制 14．3．1平行线绘制 14．3．2虚线绘制 14．3．3短齿线的绘制 14．3．4铁路线的绘制 14．3．5境界线的绘制 14．4面状地图符号的绘制

目录序前言第1章算法设计和分析 1．1概述 1．2算法设计原则 1．3算法复杂性的度量 1．3．1时间复杂性 1．3．2空间复杂性 1．4最优算法 1．5算法的评价 1．5．1如何估计算法运行时间 1．5．2最坏情况和平均情况的分析 1．5．3平摊分析 1．5．4输入大小和问题实例思考题第2章GIS算法的计算几何基础 2．1维数扩展的9交集模型 2．1．1概述 2．1．2模型介绍 2．1．3空间关系的判定 2．2矢量的概念 2．2．1矢量加减法 2．2．2矢量叉积 2．3折线段的拐向判断 2．4判断点是否在线段上 2．5判断两线段是否相交 2．6判断矩形是否包含点 2．7判断线段、折线、多边形是否在矩形中 2．8判断矩形是否在矩形中 2．9判断圆是否在矩形中 2．10判断点是否在多边形内 2．10．1射线法 2．10．2转角法 2．11判断线段是否在多边形内 2．12判断折线是否在多边形内 2．13判断多边形是否在多边形内 2．14判断矩形是否在多边形内 2．15判断圆是否在多边形内 2．16判断点是否在圆内 2．17判断线段、折线、矩形、多边形是否在圆内 2．18判断圆是否在圆内 2．19计算两条共线的线段的交点 2．20计算线段或直线与线段的交点 2．21求线段或直线与圆的交点 2．22中心点的计算 2．23过点作垂线 2．24作平行线 2．25过点作平行线 2．26线段延长 2．27三点画圆 2．28线段打断 2．29前方交会 2．30距离交会 2．31极坐标作点思考题第3章空间数据的变换算法 3．1平面坐标变换 3．1．1平面直角坐标系的建立 3．1．2平面坐标变换矩阵 3．1．3平移变换 3．1．4比例变换 3．1．5对称变换 3．1．6旋转变换 3．1．7错切变换 3．1．8复合变换 3．1．9相对(xf，yf)点的比例变换 3．1．10相对(xf，yf)点的旋转变换 3．1．11几点说明 3．2球面坐标变换 3．2．1球面坐标系的建立 3．2．2确定新极Q地理坐标中、 3．3仿射变换 3．4地图投影变换 3．4．1概述 3．4．2地球椭球体的相关公式 3．4．3兰勃特投影 3．4．4墨卡托投影 3．4．5高斯一克吕格投影 3．4．6通用横轴墨卡托投影思考题第4章空间数据转换算法 4．1矢量数据向栅格数据转换 4．1．1矢量点的栅格化 4．1．2矢量线的栅格化 4．1．3矢量面的栅格化 4．2栅格数据向矢量数据转换 4．2．1栅格点坐标与矢量点坐标的关系 4．2．2栅格数据矢量化的基本步骤 4．2．3线状栅格数据的细化 4．2．4多边形栅格转矢量的双边界搜索算法 4．2．5多边形栅格转矢量的单边界搜索算法思考题第5章空间数据组织算法 5．1矢量数据的压缩 5．1．1间隔取点法 5．1．2垂距法和偏角法 5．1．3道格拉斯一普克法 5．1．4光栏法 5．1．5曲线压缩算法的比较 5．1．6面域的数据压缩算法 5．2栅格数据的压缩 5．2．1链式编码 5．2．2游程长度编码 5．2．3块式编码 5．2．4差分映射法 5．2．5四叉树编码 5．3拓扑关系的生成 5．3．1基本数据结构 5．3．2弧段的预处理 5．3．3结点匹配算法 5．3．4建立拓扑关系思考题第6章空间度量算法 6．1直线和距离 6．1．1直线 6．1．2直线方程 6．1．3点到直线的距离 6．2角度量算 6．3多边形面积的量算 6．3．1三角形面积量算 6．3．2四边形面积量算 6．3．3任意二维平面多边形面积量算 6．3．4任意三维平面多边形面积量算思考题第7章空间数据索引算法 7．1B树与B+树 7．1．1B树索引结构 7．1．2B+树索引结构 7．2R树结构 7．2．1R树定义 7．2．2R树索引的主要操作算法 7．2．3R*树算法 7．3四叉树结构 7．3．1常规四叉树 7．3．2线性四叉树 7．3．3线性四叉树的编码 7．3．4Z曲线和Hibert曲线算法思考题第8章空间数据内插算法 8．1概述 8．1．1几何方法 8．1．2统计方法 8．1．3空间统计方法 8．1．4函数方法 8．1．5随机模拟方法 8．1．6确定性模拟 8．1．7综合方法 8．2分段圆弧法 8．3分段三次多项式插值法 8．3．1三点法 8．3．2五点法 8．4趋势面插值算法 8．5反距离权重插值算法 8．6双线性插值算法 8．7薄板样条函数法 8．7．1薄板样条函数法 8．7．2规则样条函数 8．7．3薄板张力样条法 8．8克里金法 8．8．1普通克里金法 8．8．2通用克里金法思考题第9章Delaunay三角网与Voronoi图算法 9．1概述 9．2Voronoi图 9．3Delaunay三角形 9．4Voronoi图生成算法 9．4．1半平面的交 9．4．2增量构造方法 9．4．3分治算法 9．4．4减量算法 9．4．5平面扫描算法思考题第10章缓冲区分析算法 10．1概述 10．2缓冲区边界生成算法基础 10．3点缓冲区边界生成算法 10．4线缓冲区边界生成算法 10．5面缓冲区边界生成算法 10．6多目标缓冲区合并算法思考题第11章网络分析算法 11．1概述 11．2网络数据模型 11．3路径分析算法 11．3．1单源点的最短路径 11．3．2单目标最短路径问题 11．3．3单结点对间最短路径问题 11．3．4多结点对间最短路径问题 11．3．5次短路径求解算法 11．4最佳路径算法 11．4．1最大可靠路径 11．4．2最大容量路径 11．5连通性分析算法 11．5．1Prim算法 11．5．2Kruskal算法 11．6资源分配算法思考题第12章地形分析算法 12．1数字地面模型的生成算法 12．1．1基于离散点的DEM规则网格的生成 12．1．2基于不规则三角网的DEM生成 12．1．3DEM数据结构的相互转换 12．2基本地形因子分析算法 12．2．1坡面因子提取的算法基础 12．2．2坡度、坡向 12．2．3坡形 12．3地形特征提取算法 12．3．1地形特征点的提取 12．3．2基于规则格网DEM数据提取山脊与山谷线的典型算法 12．4通视分析算法 12．4．1判断两点之间的可视性的算法 12．4．2计算可视域的算法思考题第13章空间数据挖掘算法 13．1概述 13．2分类算法 13．2．1数据分类的基本过程 13．2．2决策树分类概述 13．2．3决策树的特点 13．2．4二叉决策树算法与分类规则的生成 13．2．5决策树分类算法 13．2．6决策树属性的选取 13．2．7改进决策树性能的方法 13．3泛化规则算法 13．3．1概念层次 13．3．2面向属性泛化的策略与特点 13．3．3基于规则的面向属性泛化方法 13．4相关分析 13．4．1两要素间的相关分析 13．4．2多要素之间的相关分析 13．4．3关联规则算法 13．5回归分析 13．5．1一元线性回归模型 13．5．2多元线性回归模型 13．5．3非线性回归模型 13．5．4回归分析与相关分析 13．6系统聚类分析 13．6．1概述 13．6．2聚类要素预处理 13．6．3分类统计量 13．6．4系统聚类法 13．6．5其他聚类方法概述 13．7判别分析 13．7．1距离判别 13．7．2费歇判别法 13．7．3贝叶斯判别法 13．7．4判别分析应注意的问题 13．8主成分分析 13．8．1主成分分析的基本原理 13．8．2主成分分析的方法思考题第14章数据输出算法 14．1概述 14．1．1地图符号构成元素组成 14．1．2地图符号几何特征 14．1．3基于SVG的地图符号描述模型 14．2点状地图符号的绘制 14．2．1圆的绘制 14．2．2椭圆的绘制 14．2．3多边形的绘制 14．2．4五角星的绘制 14．3线状地图符号的绘制 14．3．1平行线绘制 14．3．2虚线绘制 14．3．3短齿线的绘制 14．3．4铁路线的绘制 14．3．5境界线的绘制 14．4面状地图符号的绘制思考题主要参考文献

sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络 1.1.6. 多任务弹性网络 1.1.7. 最小角回归 1.1.8. LARS Lasso 1.1.8.1. 数学表达式 1.1.9. 正交匹配追踪法（OMP） 1.1.10. 贝叶斯回归 1.1.10.1. 贝叶斯岭回归 1.1.10.2. 主动相关决策理论 - ARD 1.1.11. logistic 回归 1.1.12. 随机梯度下降, SGD 1.1.13. Perceptron（感知器） 1.1.14. Passive Aggressive Algorithms（被动攻击算法） 1.1.15. 稳健回归（Robustness regression）: 处理离群点（outliers）和模型错误 1.1.15.1. 各种使用场景与相关概念 1.1.15.2. RANSAC：随机抽样一致性算法（RANdom SAmple Consensus） 1.1.15.2.1. 算法细节 1.1.15.3. Theil-Sen 预估器: 广义中值估计 1.1.15.3.1. 算法理论细节 1.1.15.4. Huber 回归 1.1.15.5. 注意 1.1.16. 多项式回归：用基函数展开线性模型 1.2. 线性和二次判别分析 1.2.1. 使用线性判别分析来降维 1.2.2. LDA 和 QDA 分类器的数学公式 1.2.3. LDA 的降维数学公式 1.2.4. Shrinkage（收缩） 1.2.5. 预估算法 1.3. 内核岭回归 1.4. 支持向量机 1.4.1. 分类 1.4.1.1. 多元分类 1.4.1.2. 得分和概率 1.4.1.3. 非均衡问题 1.4.2. 回归 1.4.3. 密度估计, 异常（novelty）检测 1.4.4. 复杂度 1.4.5. 使用诀窍 1.4.6. 核函数 1.4.6.1. 自定义核 1.4.6.1.1. 使用 python 函数作为内核 1.4.6.1.2. 使用 Gram 矩阵 1.4.6.1.3. RBF 内核参数 1.4.7. 数学公式 1.4.7.1. SVC 1.4.7.2. NuSVC 1.4.7.3. SVR 1.4.8. 实现细节 1.5. 随机梯度下降 1.5.1. 分类 1.5.2. 回归 1.5.3. 稀疏数据的随机梯度下降 1.5.4. 复杂度 1.5.5. 实用小贴士 1.5.6. 数学描述 1.5.6.1. SGD 1.5.7. 实现细节 1.6. 最近邻 1.6.1. 无监督最近邻 1.6.1.1. 找到最近邻 1.6.1.2. KDTree 和 BallTree 类 1.6.2. 最近邻分类 1.6.3. 最近邻回归 1.6.4. 最近邻算法 1.6.4.1. 暴力计算 1.6.4.2. K-D 树 1.6.4.3. Ball 树 1.6.4.4. 最近邻算法的选择 1.6.4.5. leaf_size 的影响 1.6.5. 最近质心分类 1.6.5.1. 最近缩小质心 1.7. 高斯过程 1.7.1. 高斯过程回归（GPR） 1.7.2. GPR 示例 1.7.2.1. 具有噪声级的 GPR 估计 1.7.2.2. GPR 和内核岭回归(Kernel Ridge Regression)的比较 1.7.2.3. Mauna Loa CO2 数据中的 GRR 1.7.3. 高斯过程分类（GPC） 1.7.4. GPC 示例 1.7.4.1. GPC 概率预测 1.7.4.2. GPC 在 XOR 数据集上的举例说明 1.7.4.3. iris 数据集上的高斯过程分类（GPC） 1.7.5. 高斯过程内核 1.7.5.1. 高斯过程内核 API 1.7.5.2. 基础内核 1.7.5.3. 内核操作 1.7.5.4. 径向基函数内核 1.7.5.5. Matérn 内核 1.7.5.6. 有理二次内核 1.7.5.7. 正弦平方内核 1.7.5.8. 点乘内核 1.7.5.9. 参考文献 1.7.6. 传统高斯过程 1.7.6.1. 回归实例介绍 1.7.6.2. 噪声数据拟合 1.7.6.3. 数学形式 1.7.6.3.1. 初始假设 1.7.6.3.2

AI100讲师的课程社区_NO_1

1

社区成员

217

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章