機(jī)器學(xué)習(xí)理論與算法

內(nèi)容概要

機(jī)器學(xué)習(xí)是人工智能研究領(lǐng)域中一個(gè)極具發(fā)展生命力的研究應(yīng)用分支，已成為信息科學(xué)領(lǐng)域解決實(shí)際問題的重要方法?！稒C(jī)器學(xué)習(xí)理論與算法》集中介紹了機(jī)器學(xué)習(xí)的一些典型方法、理論和應(yīng)用領(lǐng)域，并首次系統(tǒng)地給出了構(gòu)造性機(jī)器學(xué)習(xí)方法——覆蓋算法。為了便于讀者學(xué)習(xí)和研究書中所介紹的各類典型方法，在每章中還列出了相應(yīng)的算法源代碼。
《機(jī)器學(xué)習(xí)理論與算法》通過研究大量豐富的文獻(xiàn)資料和科研成果，對(duì)機(jī)器學(xué)習(xí)典型算法的過去做了應(yīng)有回顧，對(duì)現(xiàn)狀做出了必要剖析，對(duì)未來進(jìn)行了充分展望。
《機(jī)器學(xué)習(xí)理論與算法》可供高等院校計(jì)算機(jī)、自動(dòng)化、電子工程等專業(yè)的高年級(jí)本科生、研究生、教師以及相關(guān)領(lǐng)域的研究人員與工程技術(shù)人員參考。

作者簡介

無

書籍目錄

序前言第1章 緒論1.1 什么是機(jī)器學(xué)習(xí)1.1.1 信息爆炸1.1.2 學(xué)習(xí)的定義1.1.3 機(jī)器學(xué)習(xí)定義1.2 機(jī)器學(xué)習(xí)的發(fā)展史1.3 機(jī)器學(xué)習(xí)的發(fā)展現(xiàn)狀1.4 機(jī)器學(xué)習(xí)的策略與模型1.4.1 機(jī)器學(xué)習(xí)策略1.4.2 機(jī)器學(xué)習(xí)系統(tǒng)的基本模型1.5 機(jī)器學(xué)習(xí)的相關(guān)方法1.5.1 算法類型1.5.2 具體方法1.6 本書的內(nèi)容安排參考文獻(xiàn)第2章 統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)算法2.1 引言2.2 統(tǒng)計(jì)學(xué)習(xí)理論2.2.1 統(tǒng)計(jì)學(xué)習(xí)理論的形成與發(fā)展2.2.2 統(tǒng)計(jì)學(xué)習(xí)理論的主要內(nèi)容2.2.3 學(xué)習(xí)過程的一致性及收斂速度2.2.4 函數(shù)集的VC維2.2.5 結(jié)構(gòu)風(fēng)險(xiǎn)最小化歸納原則2.3 支持向量機(jī)2.3.1 支持向量機(jī)的形成與發(fā)展2.3.2 支持向量機(jī)的主要內(nèi)容2.3.3 基本的支持向量機(jī)算法2.3.4 變形的支持向量機(jī)算法2.3.5 優(yōu)化的支持向量機(jī)算法2.3.6 多分類的支持向量機(jī)算法2.3.7 支持向量機(jī)聚類算法2.4 本章小結(jié)參考文獻(xiàn)附錄第3章 構(gòu)造性機(jī)器學(xué)習(xí)理論與覆蓋算法3.1 引言3.1.1 傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)存在的問題3.1.2 構(gòu)造性機(jī)器學(xué)習(xí)方法的提出3.1.3 構(gòu)造性機(jī)器學(xué)習(xí)覆蓋算法與支持向量機(jī)的區(qū)別3.2 覆蓋問題的描述及理論基礎(chǔ)3.2.1 覆蓋問題的描述3.2.2 覆蓋算法的理論基礎(chǔ)3.3 覆蓋模型及其算法的分析3.3.1 領(lǐng)域覆蓋算法3.3.2 交叉覆蓋算法3.3.3 覆蓋算法的改進(jìn)措施3.3.4 多側(cè)面遞進(jìn)算法3.3.5 核覆蓋算法3.3.6 概率模型覆蓋算法3.4 本章小結(jié)參考文獻(xiàn)附錄第4章 集成學(xué)習(xí)與弱可學(xué)習(xí)理論4.1 引言4.2 集成學(xué)習(xí)的發(fā)展和現(xiàn)狀4.3 集成學(xué)習(xí)的產(chǎn)生背景和主要作用4.4 集成學(xué)習(xí)的主要內(nèi)容4.4.1 PAC理論4.4.2 強(qiáng)可學(xué)習(xí)與弱可學(xué)習(xí)理論4.4.3 集成學(xué)習(xí)的基本概念4.4.4 集成學(xué)習(xí)的算法框架4.5 AdaBoost4.5.1 AdaBoost算法訓(xùn)練誤差的上界4.5.2 訓(xùn)練輪數(shù)T的確定4.5.3 基于泛化誤差上界的分析4.5.4 基于優(yōu)化理論的分析4.6 AdaBoost.M14.7 AdaBoost.M24.8 Bagging4.9 Stacking4.10 選擇性集成4.10.1 選擇性集成的提出4.10.2 選擇性集成的理論基礎(chǔ)4.10.3 GASEN4.10.4 選擇性集成的發(fā)展4.11 集成學(xué)習(xí)的應(yīng)用4.12 本章小結(jié)參考文獻(xiàn)附錄第5章 數(shù)據(jù)流的概念獲取與增量學(xué)習(xí)5.1 引言5.2 數(shù)據(jù)流5.2.1 數(shù)據(jù)流與流形學(xué)習(xí)的概念5.2.2 數(shù)據(jù)流的性質(zhì)5.2.3 數(shù)據(jù)流的特征5.2.4 數(shù)據(jù)流處理模型5.2.5 數(shù)據(jù)流的基本技術(shù)5.2.6 數(shù)據(jù)流上的應(yīng)用5.3 數(shù)據(jù)流分類5.3.1 數(shù)據(jù)流的分類問題5.3.2 現(xiàn)有數(shù)據(jù)流上的分類算法5.4 數(shù)據(jù)流的概念漂移5.4.1 概念漂移定義5.4.2 概念漂移類型5.4.3 概念漂移檢測5.4.4 概念漂移與數(shù)據(jù)流分類的關(guān)系5.4.5 概念漂移的處理方法5.5 增量學(xué)習(xí)5.5.1 支持向量機(jī)增量學(xué)習(xí)算法5.5.2 基于覆蓋的增量學(xué)習(xí)5.6 本章小結(jié)參考文獻(xiàn)附錄第6章 人工神經(jīng)網(wǎng)絡(luò)之遺傳算法6.1 引言6.2 遺傳算法的仿生學(xué)基礎(chǔ)6.2.1 生物遺傳及其變異6.2.2 進(jìn)化6.3 遺傳算法簡介6.3.1 發(fā)展史6.3.2 遺傳算法6.4 基本遺傳算法6.4.1 基本遺傳算法描述6.4.2 基本遺傳操作6.4.3 基本遺傳算法的形式化定義6.4.4 基本遺傳算法的應(yīng)用舉例6.5 遺傳算法的理論基礎(chǔ)6.5.1 模式6.5.2 選擇操作對(duì)模式的影響6.5.3 交叉操作對(duì)模式的影響6.5.4 變異操作對(duì)模式的影響6.6 本章小結(jié)參考文獻(xiàn)附錄第7章 決策樹與貝葉斯網(wǎng)絡(luò)7.1 決策樹的形成與發(fā)展7.1.1 決策樹的定義7.1.2 決策樹的優(yōu)缺點(diǎn)7.2 決策樹的基本原理:統(tǒng)計(jì)學(xué)角度7.3 決策樹經(jīng)典算法介紹7.3.1 ID3算法7.3.2 C4.5算法7.3.3 EC4.5算法7.3.4 CART算法7.3.5 SLIQ算法7.3.6 SPRINT算法7.3.7 PUBLIC算法7.4 決策樹的應(yīng)用7.4.1 決策樹的適用范圍7.4.2 決策樹的應(yīng)用前景7.4.3 決策樹的應(yīng)用舉例7.5 貝葉斯網(wǎng)絡(luò)的形成與發(fā)展7.5.1 貝葉斯網(wǎng)絡(luò)的發(fā)展歷史7.5.2 貝葉斯方法的基本觀點(diǎn)7.5.3 貝葉斯網(wǎng)絡(luò)的特點(diǎn)7.6 貝葉斯網(wǎng)絡(luò)原理及應(yīng)用7.6.1 貝葉斯網(wǎng)絡(luò)7.6.2 貝葉斯網(wǎng)絡(luò)構(gòu)造7.7 典型貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法及其變形7.7.1 完整數(shù)據(jù)條件下貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)7.7.2 完整數(shù)據(jù)條件下貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)7.7.3 不完整數(shù)據(jù)條件下貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)7.7.4 不完整數(shù)據(jù)條件下貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)7.8 貝葉斯網(wǎng)絡(luò)推理7.8.1 貝葉斯網(wǎng)絡(luò)精確推理算法7.8.2 貝葉斯網(wǎng)絡(luò)近似推理算法7.8.3 貝葉斯網(wǎng)絡(luò)推理算法的比較分析7.9 貝葉斯網(wǎng)絡(luò)的應(yīng)用7.9.1 貝葉斯網(wǎng)絡(luò)用于分類和回歸分析7.9.2 貝葉斯網(wǎng)絡(luò)用于不確定知識(shí)表達(dá)和推理7.9.3 貝葉斯網(wǎng)絡(luò)在因果數(shù)據(jù)挖掘上的應(yīng)用及展望7.9.4 貝葉斯網(wǎng)絡(luò)用于聚類模式發(fā)現(xiàn)7.9.5 基于貝葉斯網(wǎng)絡(luò)的遺傳算法7.9.6 基于貝葉斯網(wǎng)絡(luò)的多目標(biāo)優(yōu)化問題7.10 本章小結(jié)參考文獻(xiàn)附錄

章節(jié)摘錄

版權(quán)頁：   插圖：   第1章緒論 人類所具有的最獨(dú)特創(chuàng)造力在于可以通過已有經(jīng)驗(yàn)與常識(shí)來學(xué)習(xí)并發(fā)現(xiàn)未知的事物，因此具備學(xué)習(xí)能力是人的一個(gè)極其重要的特征。隨著科學(xué)技術(shù)的發(fā)展，人們開始探索如何制造智能機(jī)器來替代人的繁復(fù)的智力勞動(dòng)，并且在某些方面已經(jīng)取得了巨大成功。然而，機(jī)器不是人，它不具備人的思維、學(xué)習(xí)創(chuàng)造能力。如何使機(jī)器具備智能，使機(jī)器可以模擬人的大腦思維，可以像人一樣地思考問題、學(xué)習(xí)新知識(shí)，就成為急需解決和發(fā)展的科學(xué)問題。機(jī)器學(xué)習(xí)就是這樣的一門學(xué)科，它能夠構(gòu)建一些辦法來有效地模擬人的大腦活動(dòng)。目前，如何使機(jī)器具備擬人化的學(xué)習(xí)，進(jìn)行更深層次的理解工作，還有很多問題有待探索和解決。Simon認(rèn)為，學(xué)習(xí)是一個(gè)系統(tǒng)對(duì)環(huán)境的適應(yīng)性變化，它能夠使得系統(tǒng)在下一次完成同樣或類似的任務(wù)時(shí)更為有效。而Michalski認(rèn)為，學(xué)習(xí)是構(gòu)造或修改對(duì)于所經(jīng)歷事物的表示。 機(jī)器學(xué)習(xí)在人工智能的研究中占據(jù)著非常重要的地位，它逐漸成為人工智能研究的核心內(nèi)容之一?，F(xiàn)在針對(duì)機(jī)器學(xué)習(xí)的應(yīng)用已遍及人工智能領(lǐng)域的各個(gè)分支，如專家系統(tǒng)、自動(dòng)推理、自然語言理解、模式識(shí)別、計(jì)算機(jī)視覺、智能機(jī)器人、生物信息學(xué)等領(lǐng)域。在這些研究中，如何獲取知識(shí)成為突出的瓶頸，人們試圖采用機(jī)器學(xué)習(xí)的方法加以克服。 一般而言，機(jī)器學(xué)習(xí)的研究主要是從生理學(xué)、認(rèn)知科學(xué)的角度出發(fā)，理解人類的學(xué)習(xí)過程，從而建立人類學(xué)習(xí)過程的計(jì)算模型或認(rèn)知模型，并發(fā)展成各種學(xué)習(xí)理論和學(xué)習(xí)方法。在此基礎(chǔ)上，研究通用的學(xué)習(xí)算法，進(jìn)行理論上的分析，建立面向任務(wù)的具有特定應(yīng)用的學(xué)習(xí)系統(tǒng)。 1.1什么是機(jī)器學(xué)習(xí) 隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們已能夠獲取并存儲(chǔ)海量數(shù)據(jù)。長期以來，研究者都在考慮如何利用這些數(shù)據(jù)，它們都表達(dá)什么樣的知識(shí)。自然的，需要對(duì)這些數(shù)據(jù)進(jìn)行“學(xué)習(xí)”。然而，究竟什么是學(xué)習(xí)，一直以來卻眾說紛紜。數(shù)學(xué)家、邏輯學(xué)家、心理學(xué)家和計(jì)算機(jī)學(xué)家都有著各自的看法，有些觀點(diǎn)甚至差別較大。盡管如此，為了便于學(xué)科間討論和評(píng)估學(xué)科的進(jìn)展，首先需要給出一個(gè)明確統(tǒng)一的定義，即使這種定義是不完備的和不充分的。 1.1.1信息爆炸 計(jì)算機(jī)網(wǎng)絡(luò)的發(fā)展使得人們對(duì)信息的采集、傳播的速度和規(guī)模達(dá)到史無前例的水平，實(shí)現(xiàn)了全球的信息共享與交互，它已經(jīng)成為信息社會(huì)必不可少的基礎(chǔ)設(shè)施。據(jù)統(tǒng)計(jì)表明，1986年到2007年期間，全世界計(jì)算能力每年增長58%，增長最快的信息處理能力是互聯(lián)網(wǎng)和電話網(wǎng)絡(luò)等雙向通信領(lǐng)域，每年增長28%，存儲(chǔ)量每年增長23%；而電視和無線電廣播等單向信息發(fā)布渠道則要少得多，每年增長6%。世界上通過特殊應(yīng)用設(shè)備（如電子微控制器或圖像處理器）處理信息的技術(shù)能力，大約每14個(gè)月就翻一番，而通用計(jì)算機(jī)（如個(gè)人電腦和移動(dòng)電話）每18個(gè)月翻一番。全球人均通信能力每2年10個(gè)月就翻一番，而人均存儲(chǔ)量大約每3年4個(gè)月增加兩倍?，F(xiàn)代通信和傳播技術(shù)是由廣播、電視、衛(wèi)星通信和電子計(jì)算機(jī)通信等技術(shù)手段形成的復(fù)雜的網(wǎng)絡(luò)，擺脫了傳統(tǒng)的時(shí)間和空間障礙，將世界更進(jìn)一步地融為一體。然而，這也帶來了不少的副作用，如海量的信息有時(shí)讓人無所適從，從如此多而復(fù)雜的海量信息中迅速而準(zhǔn)確地獲取自己最需要的信息，變得非常困難。

編輯推薦

《機(jī)器學(xué)習(xí)理論與算法》主要闡述機(jī)器學(xué)習(xí)方面最主要的一些算法并進(jìn)行詳細(xì)的介紹，同時(shí)吸納了國內(nèi)外許多具有代表性的最新研究成果，特別是覆蓋算法的理論分析和應(yīng)用。全書取材新穎、內(nèi)容豐富，注重理論與實(shí)際的結(jié)合，主要介紹基于數(shù)據(jù)的機(jī)器學(xué)習(xí)，即對(duì)于一種未知的依賴關(guān)系，以觀測為基礎(chǔ)對(duì)其進(jìn)行估計(jì)。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    機(jī)器學(xué)習(xí)理論與算法 PDF格式下載

---