链接：https://pan.baidu.com/s/1u9LU1ik3cl7GfBOAMtaFzA?pwd=6bkp
提取码：6bkp
(相关资料图)
前??言 人工智能是计算机科学的一个分支，它的发展并不是一帆风顺的，近年来随着大数据、云计算、机器学习和5G通信等技术的发展，人工智能技术得到快速发展。人工智能技术致力于创造出一种以接近人类思维和行为方式做出响应的智能机器系统，该领域的研究包括机器人控制、语音识别、图像识别、自然语言处理和专家系统等。这些前沿的理论和技术日益成熟，应用领域不断扩展，惠及了信息网络时代的各行各业。可以设想，未来的科技产品将以人工智能为核心，凝聚无穷无尽的人类智慧。 机器学习是人工智能的子领域和技术核心。一个人工智能系统需要具备从原始数据中学习知识的能力，包含很多有影响力的算法和程序，指挥计算机按照既定的模式提取有效特征、学习数据或完成各类任务，因此解决了很多人工智能领域的问题。这种自动学习和应用数据
目 录
第1章 人工智能和信息安全概述 1
1.1 以人脸识别为主体的用户信息网络安全技术 1
1.1.1 人脸识别技术的引入 2
1.1.2 人脸识别技术的发展史 5
1.1.3 用户信息网络安全性 12
1.2 机器学习与人工智能、数据挖掘和网络安全的融合 16
1.2.1 机器学习与人工智能 16
1.2.2 机器学习与数据挖掘 17
1.2.3 机器学习与网络安全 18
1.3 机器学习和信息安全发展趋势 20
1.4 本章小结 22
第2章 挖掘用户可辨识信息的方法 23
2.1 稀疏表示 23
2.2 协同表示 26
2.3 核稀疏表示和核协同表示 27
2.4 稀疏字典学习 29
2.5 深度学习 31
2.5.1 深度学习的模型 31
2.5.2 多层感知机 33
2.5.3 激活函数和损失函数 35
2.5.4 优化算法 38
2.5.5 卷积神经网络 40
2.6 本章小结 42
第3章 非约束性用户的识别方法 43
3.1 非约束性人脸识别问题 43
3.2 相关工作的回顾 46
3.2.1 鲁棒稀疏表示 46
3.2.2 鲁棒稀疏编码算法 47
3.3 可变遮挡探测和迭代恢复稀疏表示模型 47
3.3.1 VOD过程 49
3.3.2 IR过程 50
3.3.3 VOD&IR算法描述 50
3.4 实验结果及分析 52
3.4.1 参数设置 52
3.4.2 模拟块遮挡 53
3.4.3 AR人脸数据...
关键词：