课程介绍
注意0:欲购买此课程,获取安全购买链接,索要正版授权学习平台账号,务必加咨询QQ:2536379620
注意1:由于编码原因,试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1 图2
注意2:正版良心视频,购买后有机会和原作者直接短暂技术交流。
课程全网独家,效果很好,面向研究生,博士生、科研人员。
课程大纲
01
1-1机器学习概述
机器学习概述(10分钟)
02
1-2机器学习中的发展历史以及算法概览
机器学习中的发展历史以及算法概览(13分钟)
03
1-3机器学习的基本结构和功能
机器学习的基本结构和功能(14分钟)
04
1-4机器学习算法的雏形:感知机算法
机器学习算法的雏形:感知机算法(10分钟)
05
1-5感知机的案例和学习算法的“注意点”
感知机的案例和学习算法的“注意点”(12分钟)
06
1-6简单感知机的matlab仿真
简单感知机的matlab仿真(18分钟)
07
1-7回归分析中的变量关系介绍
回归分析中的变量关系介绍(12分钟)
08
1-8一元线性回归模型
一元线性回归模型(11分钟)
09
1-9多元线性回归模型
多元线性回归模型(10分钟)
10
1-10多元线性回归的matlab仿真
多元线性回归的matlab仿真(11分钟)
11
1-11回归拟合和分类的性能评估
回归拟合和分类的性能评估(13分钟)
12
1-12性能评估的matlab仿真
性能评估的matlab仿真(11分钟)
13
2-1matlab中常用的数据分析基础函数
matlab中常用的数据分析基础函数(14分钟)
14
2-2中心化、归一化和标准化
中心化、归一化和标准化(14分钟)
15
2-3数据清洗:缺失值处理
数据清洗:缺失值处理(11分钟)
16
2-4数据清洗:异常值处理
数据清洗:异常值处理(12分钟)
17
2-5主成分分析(PCA)
主成分分析(PCA)(11分钟)
18
2-6主成分分析的matlab仿真
主成分分析的matlab仿真(11分钟)
19
2-7独立成分分析(ICA)
独立成分分析(ICA)(10分钟)
20
2-8独立成分分析的matlab仿真
独立成分分析的matlab仿真(12分钟)
21
2-9因子分析(FA)
因子分析(FA)(13分钟)
22
2-10因子分析的matlab仿真
因子分析的matlab仿真(9分钟)
23
2-11蒙特卡洛法抽样(MC)
蒙特卡洛法抽样(MC)(25分钟)
24
2-12层次分析算法(AHP)
层次分析算法(AHP)(24分钟)
25
2-13案例:利用主成分分析(PCA)计算权重打分和排名
利用主成分分析(PCA)计算权重打分和排名(6分钟)
26
2-14熵权法
熵权法(11分钟)
27
3-1寻优算法基础知识介绍
寻优算法基础知识介绍(22分钟)
28
3-2梯度下降法
梯度下降法(22分钟)
29
3-3粒子群算法
粒子群算法(21分钟)
30
3-4粒子群算法经典改进:量子粒子群
粒子群算法经典改进:量子粒子群(9分钟)
31
3-5粒子群算法经典改进:离散二进制粒子群
粒子群算法经典改进:离散二进制粒子群(7分钟)
32
3-6粒子群算法的经典改进:混沌搜索
粒子群算法的经典改进:混沌搜索(9分钟)
33
3-7matlab自带的粒子群工具箱的讲解和演示
matlab自带的粒子群工具箱的讲解和演示(11分钟)
34
3-8遗传算法
遗传算法(38分钟)
35
3-9遗传算法的经典改进:自适应交叉和变异概率
遗传算法的经典改进:自适应交叉和变异概率(13分钟)
36
3-10遗传算法的经典改进:改进轮盘赌
遗传算法的经典改进:改进轮盘赌(8分钟)
37
3-11遗传算法的经典改进:混沌初始化种群
遗传算法的经典改进:混沌初始化种群(12分钟)
38
3-12遗传算法的经典改进:混沌搜索
遗传算法的经典改进:混沌搜索(10分钟)
39
3-13matlab自带的遗传工具箱的讲解和演示
matlab自带的遗传工具箱的讲解和演示(20分钟)
40
3-14粒子群遗传混合优化算法
粒子群遗传混合优化算法(9分钟)
41
3-15量子遗传算法
量子遗传算法(25分钟)
42
3-16什么是旅行商(tsp)问题
什么是旅行商(tsp)问题(5分钟)
43
3-17遗传优化tsp问题
遗传优化tsp问题(14分钟)
44
3-18粒子群优化tsp问题
粒子群优化tsp问题(12分钟)
45
3-19什么是带时间窗的多回路运输(vrp)问题
什么是带时间窗的多回路运输(vrp)问题(8分钟)
46
3-20遗传优化带时间窗的vrp问题(车辆数固定)
遗传优化带时间窗的vrp问题(车辆数固定)(26分钟)
47
3-21遗传优化带时间窗的vrp问题(车辆数优化)
遗传优化带时间窗的vrp问题(车辆数优化)(21分钟)
48
3-22什么是车间调度(jsp)问题
什么是车间调度(jsp)问题(6分钟)
49
3-23遗传优化jsp问题
遗传优化jsp问题(19分钟)
50
3-24什么是01背包问题
什么是01背包问题(2分钟)
51
3-25遗传优化01背包问题
遗传优化01背包问题(8分钟)
52
3-26粒子群优化01背包问题
粒子群优化01背包问题(7分钟)
53
3-27蚁群算法
蚁群算法(20分钟)
54
3-28蚁群算法的经典改进:蚁群系统
蚁群算法的经典改进:蚁群系统(10分钟)
55
3-29蚁群算法的经典改进:最大最小蚁群
蚁群算法的经典改进:最大最小蚁群(11分钟)
56
3-30多目标遗传nsga2算法及其工具箱代码实现
多目标遗传nsga2算法及其工具箱代码实现(22分钟)
57
3-31多目标遗传nsga2源代码实现
多目标遗传nsga2源代码实现(16分钟)
58
3-32多目标粒子群mopso算法及其源代码实现
多目标粒子群mopso算法及其源代码实现(19分钟)
59
3-33多目标算法pareto解的评价指标
多目标算法pareto解的评价指标(19分钟)
60
3-34多目标算法pareto解集的折衷解如何选择
多目标算法pareto解集的折衷解如何选择(7分钟)
61
3-35路径问题中的局部搜索算法:2-opt
路径问题中的局部搜索算法:2-opt(7分钟)
62
4-1bp神经网络原理介绍
bp神经网络原理介绍(21分钟)
63
4-2bp神经网络工具箱代码的实现(matlab自带)
bp神经网络工具箱代码的实现(matlab自带)(12分钟)
64
4-3bp神经网络的源代码实现(非工具箱版本)
bp神经网络的源代码实现(非工具箱版本)(10分钟)
65
4-4bp神经网络基于IRIS数据集实现分类(自带bp版本)
bp神经网络基于IRIS数据集实现分类(6分钟)
66
4-5Kmeans聚类算法
Kmeans聚类算法(5分钟)
67
4-6Kmeans聚类的工具箱和源代码实现
Kmeans聚类的工具箱和源代码实现(7分钟)
68
4-7rbf神经网络原理介绍
rbf神经网络原理介绍(14分钟)
69
4-8rbf神经网络工具箱代码的实现(matlab自带)
rbf神经网络工具箱代码的实现(7分钟)
70
4-9rbf神经网络的源代码实现(基于聚类和LMS)
rbf神经网络的源代码实现(基于聚类和LMS)(8分钟)
71
4-10rbf神经网络的源代码实现(基于梯度下降)
rbf神经网络的源代码实现(基于梯度下降)(8分钟)
72
4-11支持向量机svm原理介绍
支持向量机svm原理介绍(33分钟)
73
4-12基于libsvm工具包的代码实现
基于libsvm工具包的代码实现(16分钟)
74
4-13支持向量机分类的源代码实现(非工具包)
支持向量机分类的源代码实现(非工具包)(16分钟)
75
4-14遗传优化bp神经网络权值阈值
遗传优化bp神经网络权值阈值(19分钟)
76
4-15粒子群优化bp神经网络权值阈值
粒子群优化bp神经网络权值阈值(15分钟)
77
4-16遗传优化svm的c和g(分类和回归)
遗传优化svm的c和g(分类和回归)(17分钟)
78
4-17粒子群优化svm的c和g(分类和回归)
粒子群优化svm的c和g(分类和回归)(14分钟)
79
4-18遗传优化基于梯度下降的rbf神经网络权值扩展因子中心矢量
遗传优化基于梯度下降的rbf神经网络(17分钟)
80
4-19粒子群优化基于梯度下降的rbf神经网络权值扩展因子中心矢量
粒子群优化基于梯度下降的rbf神经网络(14分钟)
81
4-20 遗传优化svm的输入参数使得输出最优
遗传优化svm的输入参数使得输出最优(15分钟)
82
4-21 粒子群优化svm的输入参数使得输出最优
粒子群优化svm的输入参数使得输出最优(12分钟)
83
4-22 遗传优化bp的输入参数使得输出最优
遗传优化bp的输入参数使得输出最优(14分钟)
84
4-23 粒子群优化bp的输入参数使得输出最优
粒子群优化bp的输入参数使得输出最优(12分钟)
85
4-24遗传算法基于bp神经网络进行特征选择
遗传算法基于bp神经网络进行特征选择(13分钟)
86
4-25遗传算法基于svm支持向量机进行特征选择
遗传算法基于svm支持向量机进行特征选择(10分钟)
87
4-26粒子群算法基于bp神经网络进行特征选择
粒子群算法基于bp神经网络进行特征选择(9分钟)
88
4-27粒子群算法基于svm支持向量机进行特征选择
粒子群算法基于svm支持向量机进行特征选择(9分钟)
89
4-28多目标遗传nsga2优化bp的输入参数使得输出最优
nsga2优化bp的输入参数使得输出最优(19分钟)
90
4-29多目标粒子群mopso优化bp的输入参数使得输出最优
mopso优化bp的输入参数使得输出最优(20分钟)