《数据挖掘与机器学习》以应用为导向介绍数据挖掘与机器学习相关理论与方法，包括概述、数据与数据平台、数据预处理与特征工程、关联分析、决策树、集成学习、贝叶斯分类、神经网络与深度学习等相关理论及经典算法，以及相关实践案例。本书所有案例均通过R或Python实现，同时包含详细的分析过程和可视化内容。本书可作为统计学、数据科学与大数据等相关专业高年级本科生和硕士研究生的数据挖掘与机器学习相关课程的教材，也可作为其他数据挖掘与机器学习爱好者的参考用书。

本书是一本融合人工智能及其在海洋机器人中应用的综合性教材，旨在为学生、研究人员和工程师提供全面的理论基础和实际应用技能。本书内容涵盖了人工智能的基础理论、人工神经网络在海洋机器人控制中的应用、强化学习方法在海洋机器人决策上的应用、基于深度学习的水下目标探测，以及人工智 能在海洋机器人中的具体应用实例。

"内容：
该教材从智能计算简介、神经计算、模糊计算、进化计算、群智能计算、密母计算、免疫计算、量子计算、多目标智能计算以及新型智能计算这10大板块介绍智能计算。
模块1 智能计算简介：介绍人工智能的概念与历史、引出智能计算的人工智能的关系，介绍智能计算的分类，介绍智能计算相关应用领域。
模块2 神经计算：介绍生物神经系统的相关知识，介绍人工神经网络的基本原理，介绍神经网络学习算法，介绍人工神经网络的分类，之后从前层神经网络过渡到深度神经网络，介绍几种典型的深度神经网络，并介绍深

本书是一本教材。 本书以独特的视角、平实易懂的方式，介绍机器学习实用案例，这使读者无须编程基础，就能立即上手，应用书中所学。 书中第一部分介绍了机器学习和人工智能的基本概念；第二部分分章节深入分析机器学习算法、机器学习模型性能评估，以及如何在机器学习中考虑数据等问题；第三部分解读自动语音识别；第四部分说明生物特征识别、人脸识别和说话人识别。在第五部分中，作者用实例来说明机器学习，提供了大量真实世界的应用、问题和技术，比如异常检测和根本原因分析、业务流程优化、疾病检测和预测、人工智能推荐

本书主要把握计算机科学与技术的发展趋势，熟悉人工智能的前沿知识和研究热点。本书从人工智能的概述出发，介绍了人工智能研究领域的基础知识，与此同时，对人工智能领域的核心算法--机器学习技术展开详细介绍，让读者掌握对相关技术的算法创新以及工程实践等。该教材紧密联系计算机学科中的人工智能前沿内容和所涉及的项目实践技术，读者通过该课程的学习能够了解基本的人工智能新技术和实际问题求解的创新方法。 全书兼具理论性、资料性和实践性。

本书以AIBox 嵌入式平台作为人工智能（AI）硬件平台、以Ubuntu 作为嵌入式操作系统、以Facebook 公司的PyTorch 框架作为深度学习设计框架，设计了摄像头模糊检测项目、行人检测项目、车道线检测项目和人脸检测项目4 个人工智能实践项目，实现了国产人工智能硬件平台 人工智能开放平台的无缝组合。
本书以案例教学为特色，注重人工智能技术与图像处理技术的融合。本书核心内容既包含必要的人工智能基础知识，例如素材采集与标注、深度学习的建模与调试等，又包含人工智能开发的软件环

本教材包括七章内容分别介绍人工智能概论、知识表示与特征工程、机器学习、深度学习、专家系统、人工智能架构与系统与案例分析相关内容，旨在全面且深入浅出地介绍人工智能的基础知识和实现的基本技术，并结合典型企业案例分析，紧跟时代潮流，注重技术的发展与革新。该教材充分体现智能科学与技术、人工智能方向高端人才培养的目标定位，尤其针对应用型地方高校的本科生以及研究生人才培养方案与路径，联合企业充分展示产教融合相关场景及案例。

本书介绍了机器学习的典型算法及MATLAB编程方法。主要内容包括：线性回归、非线性回归、分类、聚类、人工神经网络、支持向量机、决策树、模糊逻辑、集成学习、半监督学习、强化学习、关联规则学习、深度学习、机器阅读和机器写作等。本书注重实用性，精选了大量实例，每个实例都提供了MATLAB程序，并进行了详细的注释，有助于读者真正理解这些算法和编程方法，把它们应用到自己的工作中来解决实际问题。因此，本书具有较强的实用性和可操作性。

作为国内人工智能领域的创新性实验教材，本书重点介绍各类深度学习框架和算法，涵盖图像、视频、语音和文本等人工智能技术广泛应用的多个领域，涉及分类、识别、检测、多模态和三维重建等多类实验任务。书中选取的实验分别介绍了相关背景、所涉及的深度网络模型框架和实验操作，实验操作部分描述了实验代码、操作步骤、数据集、评估准则、所应用的平台及系统环境等内容，有助于读者在了解基础理论的基础上根据实验操作的描述独立完成相关实验。

本书基于国内外对混沌神经网络的研究成果，提出了一种基于脑电波生物机制的变频正弦混沌神经网络（FCSCNN）模型，并通过对该模型的激励函数、退火函数、生物机制、优化机制等进行研究，进一步提出了多种衍生模型。本书详细分析了FCSCNN模型及其衍生模型的混沌动力学特性，通过对解决函数优化、组合优化等问题与同类模型进行对比实验，验证了FCSCNN模型及其衍生模型的优化性能。本书适用于人工神经网络、人工智能等相关专业领域的高校学生、教师及科研工作者。