機器學習算法及其應用

前言
第１章 機器學習簡介１
?。?１ 機器學習的概念１
?。?２ 機器學習的發(fā)展２
　１.３ 機器學習的研究現(xiàn)狀３
１.３.１ 傳統(tǒng)機器學習的研究現(xiàn)狀４
１.３.２ 大數(shù)據(jù)環(huán)境下機器學習的研究現(xiàn)狀５
?。?４ 機器學習的分類５
　?。?４.１ 有監(jiān)督學習６
　　１.４.２ 無監(jiān)督學習７
１.４.３ 半監(jiān)督學習８
１.４.４ 強化學習９
?。?５ 本章小結(jié)１１
第２章 音樂、數(shù)字音樂與網(wǎng)絡(luò)音樂１２
?。?１ 音樂的藝術(shù)形式１２
?。?２ 音樂的產(chǎn)生及發(fā)展１４
?。?３ 音樂的要素１５
?。?４ 音樂的存儲與表示１７
２.４.１ 數(shù)字音樂及其特點１７
２.４.２ 數(shù)字音樂文件的特點和格式１９
?。?５ 網(wǎng)絡(luò)音樂的發(fā)展２０
　２.６ 網(wǎng)絡(luò)音樂的特征２２
?。?７ 本章小結(jié) ２３
第３章 網(wǎng)絡(luò)音樂的分類與推薦基礎(chǔ) ２４
?。?１ 基于內(nèi)容的音樂信息檢索２４
３.１.１ 音高與旋律２５
３.１.２ 音樂節(jié)奏２６
　　３.１.３　音樂和聲 ２８
?。?２　音樂的分類 ２９
　　３.２.１　按表達方式分類 ３０
　?。?２.２　按旋律風格分類 ３１
　?。?２.３　從音樂的歷史角度分類 ３２
　　３.２.４　按音樂流派分類 ３６
?。?３　網(wǎng)絡(luò)音樂的自動分類 ４０
?。?４　網(wǎng)絡(luò)音樂推薦算法綜述 ４２
　３.５　本章小結(jié) ４４
第４章　機器學習中的分類與推薦算法 ４５
?。?１　樸素貝葉斯 ４５
　４.２　決策樹 ４７
?。?３　ｋ￣近鄰 ５０
?。?４　支持向量機 ５１
　４.５　人工神經(jīng)網(wǎng)絡(luò) ５３
?。?６　基于內(nèi)容的推薦 ５７
　４.７　協(xié)同過濾推薦 ６０
?。?８　基于馬爾可夫模型的推薦 ６２
?。?９　混合推薦６４
?。?１０　推薦算法評價 ６４
?。?１１　本章小結(jié) ６６
第５章　基于支持向量機的音樂流派分類 ６7
　５.１　音樂的數(shù)字描述 ６８
?。?２　特征提取 ７０
　?。?２.１　數(shù)據(jù)預處理 ７１
　?。?２.２　聲學特征量 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８２
５.４.２　線性支持向量機８３
５.４.３　非線性支持向量機８５
５.４.４　數(shù)值求解８７
５.４.５?。遥澹欤椋澹妫?ＳＦＳＳＶＭ分類實現(xiàn)８８
　５.５　實驗結(jié)果與分析８８
　?。?５.１　實驗工具８８
　?。?５.２　數(shù)據(jù)集８９
　?。?５.３　評價標準及驗證方法８９
　　５.５.４　實驗方法８９
　?。?５.５　實驗結(jié)果及分析９０
?。?６　可擴展性分析９４
?。?７　本章小結(jié)９５
第６章　基于ｋ-近鄰的音樂流派自動推薦分類９６
?。?１　ｋ-近鄰算法的理論基礎(chǔ)９６
　?。?１.１?。?近鄰算法９６
６.１.２　ｋ-近鄰算法模型９７
?。?２　算法的實現(xiàn)步驟及復雜度分析９９
　６.３?。模?ＫＮＮ算法９９
６.３.１　ＫＮＮ算法的改進１００
６.３.２　二次加權(quán)ＫＮＮ (ＤＷ-ＫＮＮ)分類算法１０２
?。?４　實驗結(jié)果與分析１０３
　?。?４.１　實驗方法１０３
　?。?４.２　實驗結(jié)果及分析１０４
?。?５　可擴展性分析１０７
?。?６　ＲｅｌｉｅｆＦ-ＳＦＳＳＶＭ與ＤＷ-ＫＮＮ的對比１０8
?。?７　本章小結(jié)１０８
第７章　基于社交網(wǎng)絡(luò)與協(xié)同過濾的音樂推薦１１０
　７.１　協(xié)同過濾推薦算法１１０
　?。?１.１　基于用戶的協(xié)同過濾推薦算法１１１
　　７.１.２　基于項目的協(xié)同過濾推薦算法１１１
　?。?１.３　基于用戶與基于項目的協(xié)同過濾推薦算法比較１１２
　?。?１.４　協(xié)同過濾中存在的問題１１３
　７.２?。樱椋恚遥幔睿胨惴ǎ保保?
　?。?２.１?。樱椋恚遥幔睿胨惴ㄋ枷耄保保?　　
　　７.２.２?。樱椋恚遥幔睿胨惴鞒蹋保保?　
７.３　社交網(wǎng)絡(luò)的形成機制與表示方法１１６ 　　
７.４　構(gòu)建用戶的信任集合進行推薦１１６
７.５　實驗結(jié)果及分析１１８ 　
　　７.５.１　數(shù)據(jù)獲取和數(shù)據(jù)集１１８ 　　
　?。?５.２　評價指標１１９ 　
　?。?５.３　實驗結(jié)果分析１２０ 　
７.６　本章小結(jié)１２１ 　
第８章　基于用戶即時興趣的音樂推薦９６
?。?１　相關(guān)研究１２２
?。?２　馬爾可夫模型理論基礎(chǔ)１２３
?。?３　基于用戶即時行為的改進一階馬爾可夫音樂推薦模型１２４
　?。?３.１　問題描述１２４
　?。?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)同過濾的一階馬爾可夫推薦１２６
?。?４　實驗結(jié)果與分析１２９
　８.５　可擴展性分析１３１
?。?６　本章小結(jié)１３１
附錄１３２
　附錄Ａ　ＲｅｌｉｅｆＦ-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 １４５