機器學習及其應用

內(nèi)容概要

北京機器學習是計算機科學和人工智能中非常重要的一個研究領域，近年來，機器學習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。本書邀請國內(nèi)外相關領域的專家撰文，以綜述的形式介紹機器學習中不同領域的研究進展。全書共分13章。第1章是關于機器學習的一個全局性綜述。第2至第6章分別對統(tǒng)計學習、非監(jiān)督學習、符號學習、強化學習和流形學習進行了綜述，并穿插了作者的一些精彩工作。第7和第8章分別介紹了作者在集成學習和進化學習中某一具體話題上的研究成果。第9和第10章對數(shù)據(jù)挖掘中的一些問題進行了介紹和討論。第11至第13章則對機器學習在模式識別、視頻信息處理等領域的應用做了介紹。    本書可供計算機、自動化及相關專業(yè)的學生、教師、研究生和工程技術人員參考。

書籍目錄

序序言前言1 關于機器學習的討論　1-1 引言　1-2 機器學習的發(fā)展歷史　1-3 統(tǒng)計機器學習　　1-3-1 泛化問題　　1-3-2 表示問題　1-4 集群機器學習　　1-4-1 弱可學習定理　　1-4-2 經(jīng)驗研究問題　1-5 符號機器學習　　1-5-1 經(jīng)典符號機器學習原理　　1-5-2 Reduct理論　1-6 流形學習　　1-7 其他機器學習方法　　1-8 總結與討論　參考文獻2 統(tǒng)計學習理論及其在非監(jiān)督學習問題中的應用　2-1 引言　2-2 監(jiān)督學習問題與統(tǒng)計學習算法　　2-2-1 監(jiān)督學習問題　　2-2-2 SVM及其理論分析　　2-2-3 統(tǒng)計學習算法框架　2-3 非監(jiān)督學習問題機器統(tǒng)計學習算法　　2-3-1 非監(jiān)督學習問題　　2-3-2 非監(jiān)督學習問題研究的一些說明和思路　　2-3-3 η非監(jiān)督學習問題　　2-3-4 η-one-class問題　　2-3-5 η非監(jiān)督學習問題和one-class問題　　2-3-6 其他非監(jiān)督學習問題　2-4 結束語　參考文獻3 聚類分析技術綜述　3-1 引言　3-2 聚類分析步驟　3-3 聚類分析中的數(shù)據(jù)類型　3-4 聚類模型及其算法的設計　　3-4-1 針對連續(xù)型數(shù)據(jù)的聚類模型及算法　　3-4-2 針對離散型數(shù)據(jù)的聚類模型及算法　　3-4-3 針對關聯(lián)型數(shù)據(jù)的聚類模型及算法　　3-4-4 針對混合型數(shù)據(jù)的聚類模型及算法　　3-4-5 在大型數(shù)據(jù)庫中的聚類算法　　3-4-6 其他類型的聚類模型及算法　　3-4-7 小結　3-5 聚類分析與奧卡姆剃刀準則　　3-5-1 奧卡姆剃刀準則　　3-5-2 奧卡姆剃刀準則與聚類算法　　3-5-3 聚類算法的歷史回顧　　3-5-4 小結　3-6 聚類有效性分析方法　3-7 聚類分析的應用前景及發(fā)展　參考文獻4 符號機器學習研究　4-1 引言　4-2 表示問題　　4-2-1 數(shù)據(jù)預處理問題　　4-2-2 描述數(shù)據(jù)的表示語言　4-3 規(guī)則學習　　4-3-1 覆蓋算法　　4-3-2 分治算法　　4-3-3 ILP　4-4 約簡理論　4-5 面向用戶需求的符號機器學習——符號數(shù)據(jù)分析　4-6 結束語　參考文獻5 強化學習研究進展……6 流形學習若干問題研究7 選擇性集成8 A Theoretical Study on the Computation Time of Evolutionary Algorithms9 文本數(shù)據(jù)挖掘10　On Conceptual Modeling of Data Mining11 模式分類：統(tǒng)計方法和人工神經(jīng)網(wǎng)絡方法12 人臉識別中子空間的統(tǒng)計學習13 基于內(nèi)容的視頻信號分析與處理

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    機器學習及其應用 PDF格式下載

---