機(jī)器學(xué)習(xí)算法及其應(yīng)用

前言
第１章 機(jī)器學(xué)習(xí)簡(jiǎn)介１
　１.１ 機(jī)器學(xué)習(xí)的概念１
?。?２ 機(jī)器學(xué)習(xí)的發(fā)展２
?。?３ 機(jī)器學(xué)習(xí)的研究現(xiàn)狀３
１.３.１ 傳統(tǒng)機(jī)器學(xué)習(xí)的研究現(xiàn)狀４
１.３.２ 大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)的研究現(xiàn)狀５
?。?４ 機(jī)器學(xué)習(xí)的分類５
　?。?４.１ 有監(jiān)督學(xué)習(xí)６
　　１.４.２ 無(wú)監(jiān)督學(xué)習(xí)７
１.４.３ 半監(jiān)督學(xué)習(xí)８
１.４.４ 強(qiáng)化學(xué)習(xí)９
?。?５ 本章小結(jié)１１
第２章 音樂(lè)、數(shù)字音樂(lè)與網(wǎng)絡(luò)音樂(lè)１２
?。?１ 音樂(lè)的藝術(shù)形式１２
?。?２ 音樂(lè)的產(chǎn)生及發(fā)展１４
　２.３ 音樂(lè)的要素１５
?。?４ 音樂(lè)的存儲(chǔ)與表示１７
２.４.１ 數(shù)字音樂(lè)及其特點(diǎn)１７
２.４.２ 數(shù)字音樂(lè)文件的特點(diǎn)和格式１９
　２.５ 網(wǎng)絡(luò)音樂(lè)的發(fā)展２０
?。?６ 網(wǎng)絡(luò)音樂(lè)的特征２２
　２.７ 本章小結(jié) ２３
第３章 網(wǎng)絡(luò)音樂(lè)的分類與推薦基礎(chǔ) ２４
?。?１ 基于內(nèi)容的音樂(lè)信息檢索２４
３.１.１ 音高與旋律２５
３.１.２ 音樂(lè)節(jié)奏２６
　?。?１.３　音樂(lè)和聲 ２８
?。?２　音樂(lè)的分類 ２９
　　３.２.１　按表達(dá)方式分類 ３０
　?。?２.２　按旋律風(fēng)格分類 ３１
　?。?２.３　從音樂(lè)的歷史角度分類 ３２
　?。?２.４　按音樂(lè)流派分類 ３６
?。?３　網(wǎng)絡(luò)音樂(lè)的自動(dòng)分類 ４０
?。?４　網(wǎng)絡(luò)音樂(lè)推薦算法綜述 ４２
　３.５　本章小結(jié) ４４
第４章　機(jī)器學(xué)習(xí)中的分類與推薦算法 ４５
?。?１　樸素貝葉斯 ４５
?。?２　決策樹(shù) ４７
?。?３?。耄?５０
?。?４　支持向量機(jī) ５１
?。?５　人工神經(jīng)網(wǎng)絡(luò) ５３
?。?６　基于內(nèi)容的推薦 ５７
?。?７　協(xié)同過(guò)濾推薦 ６０
　４.８　基于馬爾可夫模型的推薦 ６２
?。?９　混合推薦６４
　４.１０　推薦算法評(píng)價(jià) ６４
?。?１１　本章小結(jié) ６６
第５章　基于支持向量機(jī)的音樂(lè)流派分類 ６7
?。?１　音樂(lè)的數(shù)字描述 ６８
?。?２　特征提取 ７０
　?。?２.１　數(shù)據(jù)預(yù)處理 ７１
　?。?２.２　聲學(xué)特征量 ７２
?。?３　特征選擇７７
　?。?３.１?。遥澹欤椋澹妫疲罚?
５.３.２　順序前進(jìn)法７９
５.３.３　ＲｅｌｉｅｆＦ與ＳＦＳ相結(jié)合的特征選擇算法80
?。?４?。樱郑头诸惼鳎福?
５.４.１　線性可分支持向量機(jī)８２
５.４.２　線性支持向量機(jī)８３
５.４.３　非線性支持向量機(jī)８５
５.４.４　數(shù)值求解８７
５.４.５?。遥澹欤椋澹妫?ＳＦＳＳＶＭ分類實(shí)現(xiàn)８８
　５.５　實(shí)驗(yàn)結(jié)果與分析８８
　?。?５.１　實(shí)驗(yàn)工具８８
　?。?５.２　數(shù)據(jù)集８９
　　５.５.３　評(píng)價(jià)標(biāo)準(zhǔn)及驗(yàn)證方法８９
　?。?５.４　實(shí)驗(yàn)方法８９
　?。?５.５　實(shí)驗(yàn)結(jié)果及分析９０
?。?６　可擴(kuò)展性分析９４
?。?７　本章小結(jié)９５
第６章　基于ｋ-近鄰的音樂(lè)流派自動(dòng)推薦分類９６
?。?１?。?近鄰算法的理論基礎(chǔ)９６
　?。?１.１　ｋ-近鄰算法９６
６.１.２?。?近鄰算法模型９７
?。?２　算法的實(shí)現(xiàn)步驟及復(fù)雜度分析９９
?。?３?。模?ＫＮＮ算法９９
６.３.１　ＫＮＮ算法的改進(jìn)１００
６.３.２　二次加權(quán)ＫＮＮ (ＤＷ-ＫＮＮ)分類算法１０２
?。?４　實(shí)驗(yàn)結(jié)果與分析１０３
　　６.４.１　實(shí)驗(yàn)方法１０３
　?。?４.２　實(shí)驗(yàn)結(jié)果及分析１０４
?。?５　可擴(kuò)展性分析１０７
　６.６?。遥澹欤椋澹妫?ＳＦＳＳＶＭ與ＤＷ-ＫＮＮ的對(duì)比１０8
?。?７　本章小結(jié)１０８
第７章　基于社交網(wǎng)絡(luò)與協(xié)同過(guò)濾的音樂(lè)推薦１１０
?。?１　協(xié)同過(guò)濾推薦算法１１０
　?。?１.１　基于用戶的協(xié)同過(guò)濾推薦算法１１１
　　７.１.２　基于項(xiàng)目的協(xié)同過(guò)濾推薦算法１１１
　?。?１.３　基于用戶與基于項(xiàng)目的協(xié)同過(guò)濾推薦算法比較１１２
　　７.１.４　協(xié)同過(guò)濾中存在的問(wèn)題１１３
?。?２　ＳｉｍＲａｎｋ算法１１３
　?。?２.１?。樱椋恚遥幔睿胨惴ㄋ枷耄保保?　　
　?。?２.２　ＳｉｍＲａｎｋ算法流程１１５ 　
７.３　社交網(wǎng)絡(luò)的形成機(jī)制與表示方法１１６ 　　
７.４　構(gòu)建用戶的信任集合進(jìn)行推薦１１６
７.５　實(shí)驗(yàn)結(jié)果及分析１１８ 　
　?。?５.１　數(shù)據(jù)獲取和數(shù)據(jù)集１１８ 　　
　?。?５.２　評(píng)價(jià)指標(biāo)１１９ 　
　?。?５.３　實(shí)驗(yàn)結(jié)果分析１２０ 　
７.６　本章小結(jié)１２１ 　
第８章　基于用戶即時(shí)興趣的音樂(lè)推薦９６
　８.１　相關(guān)研究１２２
?。?２　馬爾可夫模型理論基礎(chǔ)１２３
?。?３　基于用戶即時(shí)行為的改進(jìn)一階馬爾可夫音樂(lè)推薦模型１２４
　?。?３.１　問(wèn)題描述１２４
　　８.３.２　指數(shù)衰減１２５
　?。福常场≈笖?shù)衰減的馬爾可夫模型１２５
　?。?３.４　協(xié)同過(guò)濾的一階馬爾可夫推薦１２６
?。?４　實(shí)驗(yàn)結(jié)果與分析１２９
?。?５　可擴(kuò)展性分析１３１
　８.６　本章小結(jié)１３１
附錄１３２
　附錄Ａ?。遥澹欤椋澹妫?ＳＦＳＳＶＭ分類參考代碼１３２
　附錄Ｂ?。模?ＫＮＮ算法參考代碼１３４
　附錄Ｃ　各分類算法的比較參考代碼１４０
參考文獻(xiàn) １４５