[机器学习] 机器学习技术在数据挖掘中的商业应用

说明： 该文阐述了机器学习的定义、发展、分类及其商业应用。指出随着信息化的普及和数据库的大量建立,数据积累呈现出指数级的增长趋势,如何从数据中提炼出有用的信息和知识,已成为企业迫切需要解决的问题。数据收集和存储成本的降低、机器学习技术的发展等相关计算机技术的发展都大大促进了数据挖掘的商业应用。机器学习技术是计算机科学和人工智能发展的产物,是数据挖掘的重要方法之一。
<qq_28339273> 在 上传 | 大小：125952

[机器学习] 大数据下的典型机器学习平台综述

说明： 由于大数据海量、复杂多样、变化快,传统的机器学习平台已不再适用,因此,设计一个高效的、通用的大数据机器学习平台成为目前的研究热点。通过介绍和分析机器学习算法的特点以及大规模机器学习的数据和模型并行化,引出常见的并行计算模型。简单介绍了整体同步并行模型(BSP)、SSP并行计算模型以及BSP、SSP模型与AP模型的区别,主要介绍了基于这些并行模型的典型的机器学习平台和这些平台的优缺点,并指出各个平台最适合处理何种大数据问题。最后从采用的抽象数据结构、并行计算模型、容错机制等方面对典型的机器学习平
<qq_28339273> 在 上传 | 大小：1048576

[机器学习] 一种基于多特征和机器学习的分级行人检测方法

说明： 针对单幅图像中的行人检测问题,提出了基于自适应增强算法(Adaboost)和支持向量机(Support vector machine,SVM)的两级检测方法,应用粗细结合的思想有效提高检测的精度.粗级行人检测器通过提取四方向特征(Four direction features,FDF)和GAB(Gentle Adaboost)级联训练得到,精密级行人检测器用熵梯度直方图(Entropy-histograms of oriented gradients,EHOG)作为特征,通过支持向量机学习得到
<qq_28339273> 在 上传 | 大小：790528

[机器学习] 基于机器学习的IP流量分类研究

说明： IP流量分类是Internet研究和流量工程的重要基础,近年来网络应用类别和Internet流数量在快速增长。流量分类技术不断面临新的挑战。对基于机器学习的IP流量分类方法进行了系统性研究。给出了这类流量分类方法的数学描述;通过深入研究有监督和无监督机器学习方法在流量分类中的应用,从数据预处理、模型构建和模型评估3个方面评述这类技术的研究现状,并指出存在的问题;总结得出现阶段基于机器学习的IP流量分类技术存在数据偏斜、标识瓶颈、属性变化和实时分类等4个方面的共性问题;最后展望了流量分类技术的未
<qq_28339273> 在 上传 | 大小：275456

[机器学习] 大数据时代的机器学习研究专刊前言

说明： 进入21世纪以来,科学研究与社会生活各个领域中的数据正在以前所未有的速度产生并被广泛收集与存储.如何实现数据的智能化处理从而充分利用数据中蕴含的知识与价值,已成为当前学术界与产业界的共识.机器学习作为一种主流的智能数据处理技术,是实现上述目标的核心途径.传统机器学习研究通常假设数据具有相对简单的特性,如数据来源单一、概念语义明确、数据规模适中、结构静态稳定等.当数据具有以上简单特
<qq_28339273> 在 上传 | 大小：187392

[机器学习] 量子机器学习算法综述

说明： 机器学习在过去十几年里不断发展,并对其他领域产生了深远的影响.近几年,研究人员发现结合量子计算特性的新型机器学习算法可实现对传统算法的加速,该类成果引起了广泛的关注和研究.因此,文中对近十年的量子机器学习算法进行总结、梳理.首先,介绍了量子计算和机器学习的基本概念;其次,从四个方面分别介绍了量子机器学习,分别是量子无监督聚类算法、量子有监督分类算法、量子降维算法、量子深度学习;同时,对比分析量子机器学习算法与传统机器学习算法的区别和联系;最后,总结该领域存在的问题及挑战,并对量子机器学习未来的
<qq_28339273> 在 上传 | 大小：379904

[机器学习] 简明Python教程，带书签，文字版

说明： 简明Python教程，讲得很好，可以零基础入门的书，有与其他语言的比较，所以也适合C语言等使用者
<weixin_42451319> 在 上传 | 大小：838656

[机器学习] 机器学习面临的挑战

说明： 该文讨论了机器学习目前面临的几个挑战,包括:高维特征空间和数据量问题,大数据量的计算困难,寻求最优解的困难和可解释性差等问题.然后针对当前很多人关心的几个重要问题,例如大数据问题,深度学习,概率图模型等做了分析,以引起深入思考.
<qq_28339273> 在 上传 | 大小：8388608

[机器学习] 基于机器学习特性的数据中心能耗优化方法

说明： 随着互联网的发展,各种类型的数据呈爆炸式增长.通过机器学习的方法对大量数据进行实时或离线的分析,获取规律性信息,已成为各行业提升决策准确性的重要途径.因此,这些机器学习算法成为各个数据中心运行的主要应用.然而,随着数据规模的增大和数据中心面临的能耗问题的突出,如何实现这些算法的低功耗处理,已成为实现绿色数据中心亟待解决的关键问题之一.为了实现对这些机器算法的绿色计算,首先对运行在数据中心中的关键算法进行了深入的分析,并观察到在这些算法中存在大量的冗余计算.在此基础上,设计和实现了一种面向数据中
<qq_28339273> 在 上传 | 大小：1048576

[机器学习] 一种高效二进前馈神经网络学习算法

说明： 一种高效二进前馈神经网络学习算法，针对激活函数是离散情况下的网络学习。
<jianxinzhou> 在 上传 | 大小：431104

[深度学习] Computer Vision Models, Learning, and Inference

说明： Computer Vision Models, Learning, and Inference The goal of computer vision is to extract useful information from images. This has proved a surprisingly challenging task; it has occupied thousands of intelligent and creative minds over the last four
<acehand> 在 上传 | 大小：22020096

[深度学习] 计算机视觉

说明： 计算机视觉的现代方法 Computer vision as a field is an intellectual frontier. Like any frontier, it is exciting and disorganized, and there is often no reliable authority to appeal to. Many useful ideas have no theoretical grounding, and some theories are usel
<acehand> 在 上传 | 大小：15728640