人工智能算法（Python語言版）

本書以“經典電腦算法—數據挖掘算法—深度學習算法”為主線，將人工智能算法與Python程序示例相結合，開發了基於Git的在線編程平臺和案例庫，旨在構建人工智能算法“思想—偽碼—分析—實現”四位一體的知識傳遞和學習框架。各章基於一個經典問題或典型例子介紹各類算法，給出問題背景、算法偽碼和程序示例，註重算法設計與分析理念的傳遞。 本書分基礎篇、提高篇和新技術篇: 基礎篇（第1～7章）以分治法、減治法、貪心法、動態規劃法、回溯法、分支限界法為代表，介紹經典電腦算法；經典篇（第8～13章）以分類、聚類、異常檢測、頻繁模式挖掘、鏈接分析和概率推理算法為代表，介紹數據挖掘算法；新技術篇（第14～18章）以降維、目標檢測、問答系統、圖分析算法為代表，介紹深度學習算法。 本書內容的學習，需讀者具有電腦程序設計和數據結構的基礎知識，以及使用開源平臺的基本能力。 本書可作為電腦和電子信息類相關專業本科生、研究生、職校生的算法、人工智能或機器學習等相關課程的教材或主要參考書，也可作為人工智能相關領域研究和開發人員的參考書。教師可根據學生類別、課程性質、學分設置和學習目標等選擇不同篇（或章）進行講解。

目錄

第1章算法設計與分析基礎3

1.1概述3

1.2算法的基本概念3

1.3算法效率分析5

1.3.1漸進時間的概念5

1.3.2漸進時間的符號6

1.3.3漸進符號的性質7

1.4算法的最壞和平均情況分析8

1.5算法運行時間估計9

1.6小結11

習題11

第2章分治法13

2.1分治法概述13

2.2合並排序14

2.3Python程序示例19

2.4小結20

習題20

第3章減治法22

3.1減治法概述22

3.2拓撲排序24

3.3Python程序示例27

3.4小結27

習題28

第4章貪心法29

4.1貪心法概述29

4.2哈夫曼編碼30

4.2.1前綴碼31

4.2.2算法步驟31

4.2.3算法正確性證明32

4.3Python程序示例34

4.4小結35

習題35

第5章動態規劃法37

5.1動態規劃概述37

5.201背包問題38

5.2.1最優子結構性質38

5.2.2遞推式39

5.2.3算法步驟39

5.3Python程序示例43

5.4小結44

習題44

第6章回溯法46

6.1回溯法概述46

6.2n後問題的回溯算法48

6.2.1問題描述48

6.2.2算法步驟48

6.3Python程序示例51

6.4小結52

習題52

第7章分支限界法53

7.1分支限界法概述53

7.201背包問題的分支限界算法55

7.2.1廣度優先搜索分支限界算法55

7.2.2優先隊列式分支限界算法57

7.3Python程序示例60

7.4小結62

習題63

提高篇數據挖掘算法

第8章分類算法67

8.1分類算法概述67

8.2決策樹67

8.2.1基本概念68

8.2.2構造算法68

8.2.3分類規則的提取71

8.3支持向量機71

8.3.1基本概念72

8.3.2訓練算法72

8.3.3核函數75

8.4貝葉斯分類75

8.4.1基本思想76

8.4.2樸素貝葉斯分類算法77

8.5Python程序示例79

8.6小結85

思考題86

第9章聚類算法87

9.1聚類算法概述87

9.2k均值算法89

9.2.1基本思想89

9.2.2算法步驟90

9.3基於MapReduce的k均值並行聚類算法91

9.3.1基本思想91

9.3.2算法步驟91

9.4Python程序示例93

9.5小結95

思考題96

第10章異常檢測算法97

10.1異常檢測概述97

10.2局部異常因子算法97

10.2.1基本思想98

10.2.2算法步驟100

10.3基於聚類的局部異常因子算法103

10.3.1基本思想103

10.3.2算法步驟103

10.4Python程序示例107

10.5小結111

思考題112

第11章頻繁模式挖掘算法113

11.1頻繁模式挖掘概述113

11.2Apriori算法114

11.2.1基本概念114

11.2.2基本思想115

11.2.3算法步驟116

11.2.4關聯規則的生成118

11.3Python程序示例119

11.4小結121

思考題122

第12章鏈接分析算法123

12.1鏈接分析概述123

12.2PageRank算法124

12.2.1基本思想124

12.2.2算法步驟125

12.3基於MapReduce的PageRank算法127

12.3.1基本思想127

12.3.2算法步驟128

12.4Python程序示例130

12.5小結131

思考題131

第13章概率推理算法132

13.1概率推理概述132

13.2貝葉斯網的構建133

13.2.1基本概念133

13.2.2學習算法133

13.3基於貝葉斯網的概率推理138

13.3.1精確推理算法138

13.3.2近似推理算法141

13.4Python程序示例143

13.5小結148

思考題148

新技術篇深度學習算法

第14章人工神經網絡和深度學習概述153

14.1人工神經網絡153

14.1.1神經元模型153

14.1.2感知機154

14.1.3多層神經網絡156

14.2深度學習159

14.3小結160

思考題161

第15章降維算法162

15.1降維算法概述162

15.2自編碼器概述163

15.2.1自編碼器164

15.2.2自編碼器的改進166

15.3變分自編碼器168

15.4生成對抗網絡171

15.5Python程序示例174

15.6小結182

思考題183

第16章目標檢測算法184

16.1目標檢測算法概述184

16.2捲積神經網絡185

16.2.1模型結構185

16.2.2模型訓練和預測187

16.3YOLO算法190

16.4Python程序示例194

16.5小結197

思考題198

第17章問答系統算法199

17.1問答系統概述199

17.2面向問答系統的深度學習算法200

17.2.1循環神經網絡200

17.2.2長短期記憶網絡203

17.3基於LSTM的問答系統構建207

17.4Python程序示例210

17.5小結216

思考題217

第18章圖分析算法218

18.1圖分析概述218

18.2圖神經網絡219

18.3基於圖捲積網絡的圖節點分類220

18.4Python程序示例224

18.5小結227

思考題227

附錄A在線編程平臺和案例庫使用指南228

參考文獻233