機(jī)器學(xué)習(xí)及智慧交通應(yīng)用 徐國(guó)艷
定 價(jià)：59 元
- 作者：徐國(guó)艷
- 出版時(shí)間：2025/8/1
- ISBN：9787111787396
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類：
- 頁(yè)碼：
- 紙張：膠版紙
- 版次：
- 開(kāi)本：16開(kāi)
本書(shū)從機(jī)器學(xué)習(xí)的基本概念出發(fā)，逐步深入講解經(jīng)典機(jī)器學(xué)習(xí)方法、深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)以及大模型技術(shù)，及它們?cè)谥腔劢煌ㄖ械膽?yīng)用，包括車輛追尾預(yù)警、交通事故嚴(yán)重程度判斷、自動(dòng)駕駛技術(shù)等豐富的案例。本書(shū)主要內(nèi)容有緒論、回歸分析、邏輯回歸、K近鄰算法、決策樹(shù)、支持向量機(jī)、集成學(xué)習(xí)、貝葉斯分析、聚類分析、深度學(xué)習(xí)基礎(chǔ)及交通標(biāo)志分類實(shí)踐項(xiàng)目、卷積神經(jīng)網(wǎng)絡(luò)理論及斑馬線檢測(cè)項(xiàng)目、循環(huán)神經(jīng)網(wǎng)絡(luò)及實(shí)踐、大模型技術(shù)原理及交通領(lǐng)域智能體應(yīng)用。本書(shū)適合作為智慧交通、智能車輛、自動(dòng)控制等專業(yè)人工智能課程的入門教材。本書(shū)內(nèi)容豐富，敘述清晰且循序漸進(jìn)，采用新形態(tài)構(gòu)建形式。本書(shū)配有項(xiàng)目代碼講解視頻、部分習(xí)題參考答案等，讀者可掃描書(shū)中的二維碼進(jìn)行觀看；本書(shū)提供了部分教學(xué)案例和實(shí)踐項(xiàng)目的源代碼，讀者可掃描內(nèi)封上的二維碼進(jìn)行下載。本書(shū)還配有PPT課件、教學(xué)大綱等，免費(fèi)贈(zèng)送給采用本書(shū)作為教材的教師（可登錄www.cmpedu.com注冊(cè)下載）。首次使用二維碼的方法請(qǐng)見(jiàn)封底有關(guān)說(shuō)明。
本書(shū)遵循教指委相關(guān)指導(dǎo)文件和高等院校學(xué)生學(xué)習(xí)規(guī)律編寫(xiě)而成。踐行四新理念，融入思政元素，注重理論與實(shí)踐相結(jié)合。
在當(dāng)今信息化、智能化快速發(fā)展的時(shí)代，機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的核心技術(shù)，正深刻改變著各行各業(yè)的發(fā)展格局，其中智慧交通領(lǐng)域尤為顯著。本書(shū)不僅系統(tǒng)介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)理論、經(jīng)典和前沿方法，還深入探討了這些方法在智慧交通領(lǐng)域的具體應(yīng)用，旨在為讀者提供一個(gè)全面、深入且實(shí)用的學(xué)習(xí)平臺(tái)。本書(shū)主要特色如下。1理論與實(shí)踐并重，強(qiáng)化應(yīng)用導(dǎo)向本書(shū)從機(jī)器學(xué)習(xí)的基礎(chǔ)理論出發(fā)，逐步深入到各類經(jīng)典算法的原理與實(shí)現(xiàn)，同時(shí)緊密結(jié)合智慧交通領(lǐng)域的案例分析和實(shí)踐項(xiàng)目，幫助讀者理解并掌握機(jī)器學(xué)習(xí)在智慧交通領(lǐng)域的應(yīng)用，提高解決實(shí)際問(wèn)題的能力。2算法全面且前沿，緊跟技術(shù)動(dòng)態(tài)本書(shū)涵蓋了從基礎(chǔ)的線性回歸、邏輯回歸、KNN、支持向量機(jī)、決策樹(shù)、聚類算法，到復(fù)雜的集成學(xué)習(xí)、貝葉斯分析，再到深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)以及大模型等前沿技術(shù)，形狀了一個(gè)完整且系統(tǒng)的機(jī)器學(xué)習(xí)知識(shí)體系。同時(shí)，本書(shū)還密切關(guān)注技術(shù)動(dòng)態(tài)、介紹了新的研究成果和技術(shù)趨勢(shì)，如大模型在自動(dòng)駕駛中的應(yīng)用等，使讀者能夠保持對(duì)行業(yè)動(dòng)態(tài)的關(guān)注，為未來(lái)的學(xué)習(xí)和工作打下堅(jiān)實(shí)的基礎(chǔ)。3注重工程實(shí)踐，提升項(xiàng)目能力本書(shū)通過(guò)多個(gè)實(shí)踐項(xiàng)目和案例，如電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)、汽車追尾事故預(yù)測(cè)、交通事故嚴(yán)重程度評(píng)判、斑馬線檢測(cè)及車輛軌跡預(yù)測(cè)等，引導(dǎo)讀者將所學(xué)知識(shí)應(yīng)用于實(shí)際問(wèn)題的解決中。這些實(shí)踐項(xiàng)目不僅有助于加深讀者對(duì)算法的理解，還能提升實(shí)踐能力，為未來(lái)的職業(yè)發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。本書(shū)由北京航空航天大學(xué)徐國(guó)艷擔(dān)任主編，崔志勇、周帆擔(dān)任副主編，參加編寫(xiě)的還有百度AI技術(shù)生態(tài)部劉聰琳、北京航空航天大學(xué)陳海兵。北京航空航天大學(xué)研究生劉明達(dá)、張璐璐、魏軒幫助整理了實(shí)踐項(xiàng)目代碼等工作。本書(shū)的編寫(xiě)參閱了大量教材、文件、網(wǎng)站資料等有關(guān)文獻(xiàn)，并將部分參考書(shū)目列于參考文獻(xiàn)中，由于篇幅有限，還有一些參考書(shū)目未能一一列出，在此謹(jǐn)向相關(guān)作者表示謝忱和歉意。由于編者水平有限，書(shū)中不足之處在所難免，誠(chéng)望廣大讀者不吝賜教，提出寶貴意見(jiàn)。編者
高等院校教師
第1章緒論111智慧交通概述1111智慧交通基本概念及特征1112智慧交通簡(jiǎn)要發(fā)展歷程212機(jī)器學(xué)習(xí)概述6121機(jī)器學(xué)習(xí)的基本概念6122機(jī)器學(xué)習(xí)的典型算法713機(jī)器學(xué)習(xí)在智慧交通中的典型應(yīng)用8131機(jī)器學(xué)習(xí)在交通事件檢測(cè)中的應(yīng)用9132機(jī)器學(xué)習(xí)在交通狀態(tài)預(yù)測(cè)中的應(yīng)用10133機(jī)器學(xué)習(xí)在交通管理與控制中的應(yīng)用10134機(jī)器學(xué)習(xí)在自動(dòng)駕駛技術(shù)中的應(yīng)用11135交通領(lǐng)域大模型的應(yīng)用12習(xí)題13第2章回歸分析1421回歸分析的起源與基本概念1422一元線性回歸15221一元線性回歸的基本概念15222損失函數(shù)的定義15223參數(shù)優(yōu)化方法18224回歸模型評(píng)估指標(biāo)19225一元線性回歸實(shí)踐——電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)2023多元線性回歸24231多元線性回歸的基本概念24232多元線性回歸的梯度下降法求解24233多元線性回歸實(shí)踐——電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)2524多項(xiàng)式回歸26241多項(xiàng)式回歸的基本概念26242多項(xiàng)式回歸的實(shí)踐——電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)2625過(guò)擬合與正則化27251過(guò)擬合27252正則化28253增加正則項(xiàng)的實(shí)踐案例32習(xí)題35第3章邏輯回歸3731二分類與伯努利分布3732邏輯函數(shù)3833邏輯回歸的損失函數(shù)39331從0/1損失到交叉熵?fù)p失40332邏輯回歸損失函數(shù)的正則化4034邏輯回歸的參數(shù)優(yōu)化方法4035分類的評(píng)估工具與指標(biāo)42351混淆矩陣42352精確率、召回率、綜合評(píng)價(jià)指標(biāo)42353微平均、宏平均、加權(quán)平均4336Scikitlearn中的邏輯回歸方法45361Scikitlearn中的邏輯回歸分類器45362LogisticRegression45363LogisticRegressionCV47364SGDClassifier4837邏輯回歸實(shí)踐案例48371汽車追尾事故預(yù)測(cè)48372交通事故嚴(yán)重程度判斷51習(xí)題54第4章K近鄰算法5541KNN的核心思想5542距離度量方式5643KNN實(shí)踐案例58431KNN實(shí)踐案例——汽車追尾事故預(yù)測(cè)58432KNN實(shí)踐案例——交通事故嚴(yán)重程度判斷59習(xí)題61第5章決策樹(shù)6351決策樹(shù)概述6352決策樹(shù)特征選擇策略與典型算法64521特征選擇衡量準(zhǔn)則64522ID3算法65523C45算法68524CART算法6953決策樹(shù)剪枝71531預(yù)剪枝71532后剪枝7254回歸決策樹(shù)7355Sklearn庫(kù)中的決策樹(shù)方法7556決策樹(shù)實(shí)踐案例77561汽車安全行駛決策樹(shù)分類預(yù)測(cè)77562汽車防追尾決策樹(shù)分類預(yù)測(cè)79563回歸決策樹(shù)實(shí)例82習(xí)題82第6章支持向量機(jī)8461支持向量機(jī)概述8462線性可分支持向量機(jī)85621基本原理85622線性可分支持向量機(jī)實(shí)踐案例8863近似線性可分支持向量機(jī)9064線性不可分支持向量機(jī)91641核函數(shù)91642線性不可分支持向量機(jī)實(shí)踐案例9265支持向量機(jī)的優(yōu)缺點(diǎn)9266Sklearn中的支持向量機(jī)方法9367支持向量機(jī)實(shí)踐案例——交通事故嚴(yán)重程度判斷93習(xí)題96第7章集成學(xué)習(xí)9771偏差和方差97711偏差和方差的圖示97712偏差和方差的數(shù)學(xué)定義98713偏差和方差的實(shí)例演示99714偏差和方差的權(quán)衡10172Bagging算法102721Bagging算法理論102722Sklearn中的Bagging方法103723Bagging實(shí)踐案例104724隨機(jī)森林算法理論105725Sklearn中的隨機(jī)森林方法105726隨機(jī)森林實(shí)踐案例——電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)107727隨機(jī)森林實(shí)踐案例——交通事故嚴(yán)重程度判斷109728隨機(jī)森林的超參數(shù)優(yōu)化11173Boosting算法113731AdaBoost算法114732梯度提升決策樹(shù)算法115733XGBoost算法117734LightGBM算法121735Boosting實(shí)踐案例——電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)12374Stacking算法126741Stacking算法理論126742Stacking算法實(shí)踐案例127習(xí)題128第8章貝葉斯分析13081貝葉斯定理13082樸素貝葉斯131821樸素貝葉斯原理131822高斯樸素貝葉斯132823伯努利樸素貝葉斯132824多項(xiàng)式樸素貝葉斯133825樸素貝葉斯實(shí)踐案例13383基于貝葉斯的超參數(shù)優(yōu)化方法及實(shí)踐134831基于bayes_opt的電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)超參數(shù)優(yōu)化134832基于hyperopt的電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)超參數(shù)優(yōu)化136833基于optuna的電動(dòng)汽車?yán)m(xù)駛里程預(yù)測(cè)超參數(shù)優(yōu)化139習(xí)題140第9章聚類分析14291聚類分析的分類14292距離或相似度143921閔氏距離143922馬氏距離144923相關(guān)系數(shù)144924夾角余弦14493評(píng)估指標(biāo)145931輪廓系數(shù)145932CalinskiHarabasz指數(shù)145933DaviesBouldin指數(shù)14694Kmeans聚類146941Kmeans基本原理146942Kmeans實(shí)踐案例——停車場(chǎng)車輛聚類分析148943Kmeans實(shí)踐案例——共享單車聚類分析15095DBSCAN聚類152951DBSCAN基本原理152952DBSCAN實(shí)踐案例——共享單車聚類分析153953DBSCAN實(shí)踐案例——球形數(shù)據(jù)聚類分析15496層次聚類法156961層次聚類法基本原理156962層次聚類法實(shí)踐案例——共享單車聚類分析157習(xí)題158第10章深度學(xué)習(xí)基礎(chǔ)及交通標(biāo)志分類實(shí)踐項(xiàng)目160101神經(jīng)網(wǎng)絡(luò)1601011神經(jīng)網(wǎng)絡(luò)基本概念1601012單層感知機(jī)1611013多層感知機(jī)1641014綜合實(shí)踐項(xiàng)目——交通事故的嚴(yán)重程度判斷164102深度學(xué)習(xí)理論基礎(chǔ)1641021信號(hào)前向傳播1651022激活函數(shù)1661023損失函數(shù)1681024參數(shù)優(yōu)化方法1691025誤差反向傳播1711026計(jì)算圖177103深度學(xué)習(xí)框架1791031TensorFlow1791032PyTorch1791033PaddlePaddle180104MLP實(shí)踐項(xiàng)目——交通標(biāo)志分類識(shí)別181習(xí)題183第11章卷積神經(jīng)網(wǎng)絡(luò)理論及斑馬線檢測(cè)項(xiàng)目185111全連接神經(jīng)網(wǎng)絡(luò)的局限性分析185112卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)1861121卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)與主要特征1861122卷積層1881123池化層193113典型的卷積神經(jīng)網(wǎng)絡(luò)模型1931131LeNet51931132AlexNet1951133VGGNet1961134GoogLeNet1981135ResNet201114卷積神經(jīng)網(wǎng)絡(luò)實(shí)踐項(xiàng)目——斑馬線檢測(cè)203習(xí)題204第12章循環(huán)神經(jīng)網(wǎng)絡(luò)及實(shí)踐206121自然語(yǔ)言處理及相關(guān)技術(shù)2061211NLP的發(fā)展歷程2061212詞向量技術(shù)207122循環(huán)神經(jīng)網(wǎng)絡(luò)209123LSTM和GRU2101231LSTM2101232GRU213124深度循環(huán)神經(jīng)網(wǎng)絡(luò)2141241堆疊循環(huán)神經(jīng)網(wǎng)絡(luò)2151242深度雙向循環(huán)神經(jīng)網(wǎng)絡(luò)215125序列到序列模型217126循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)踐項(xiàng)目2191261使用Gensim庫(kù)進(jìn)行詞向量生成2191262基于LSTM的文本情感分析2201263基于循環(huán)神經(jīng)網(wǎng)絡(luò)的車輛軌跡預(yù)測(cè)220習(xí)題220第13章大模型技術(shù)原理及交通領(lǐng)域智能體應(yīng)用223131大模型技術(shù)概述2231311深度學(xué)習(xí)的新紀(jì)元與挑戰(zhàn)2231312大模型研究進(jìn)展概述2241313大模型發(fā)展中的倫理考量225132大模型的定義和分類2261321大模型的定義2261322大模型的分類226133典型的大模型架構(gòu)原理2281331Transformer模型原理2281332生成對(duì)抗網(wǎng)絡(luò)原理2291333生成擴(kuò)散模型原理231134大模型常見(jiàn)應(yīng)用方式2321341提示詞工程2321342檢索增強(qiáng)生成2331343大模型微調(diào)技術(shù)2341344大模型全調(diào)技術(shù)2351345大模型智能體236135交通領(lǐng)域大模型智能體技術(shù)路徑與應(yīng)用實(shí)踐2371351基于百度AppBuilder零代碼平臺(tái)的智能體提示詞工程實(shí)踐2371352自動(dòng)駕駛決策智能體構(gòu)建243習(xí)題248參考文獻(xiàn)250
書(shū)單推薦
