基于机器学习的动物种识别方法研究文献综述

 2021-10-19 22:36:20

毕业论文课题相关文献综述

1 课题研究的背景和意义目前,对于野生动物的研究已经引起了人们的重视,生物学家能够准确地对大部分野生动物进行分类,可是,对于平常人们来说,对于野生动物的了解却是知之甚少。

不仅会影响野生动物的保护工作,而且还有可能会造成人类因为误食野生动物导致的损失,同时,随着野生动物的数量越来越少,人们对野生动物的保护工作也越来越重视,相应的研究也就越来愈多,本课题就是在这种情况下产生的。

基于机器学习,将数据分析运用到动物种类识别研究上。

2发展和研究概况在机器学习领域,通常 人们习惯把算法分为3类:有监督学 习、半监督学习和无监督学习。

所谓有 没有监督,指的是机器在学习阶段, 能否看到样本的标签(如上述例子中的 体育及非体育类别)。

半监督学习通常 也被称为弱监督学习,目的是通过少量 的例子,在无标签的样本中自动学习参 数。

至于无监督学习,通常人们接触比 较多的是聚类问题:通过分析数据样本 的相似性,来把相似的数据组合成 集群。

除了上述3大类算法,机器学习还 有很多有趣的子领域。

比如近些年兴起的深度 学习热潮,指的是通过 使用多层的神经网络模 型在大数据上建模。

比 如 谷 歌 的 AlphaGo 系 统,就是通过在数十万 的人类对弈棋谱上学习 策 略 网 络 (Policy Network)和 估 值 网 络 (Value Network),再结 合蒙特卡洛搜索树算法来决定如何走棋的。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。