機器學習及其應用2007

內(nèi)容概要

機器學習是人工智能的一個核心研究領(lǐng)域，也是近年來計算機科學中最活躍的研究分支之一。目前，機器學習技術(shù)不僅在計算機科學的眾多領(lǐng)域中大顯身手，還成為一些交叉學科的重要支撐技術(shù)。本書邀請相關(guān)領(lǐng)域的專家撰文，以綜述的形式介紹機器學習中一些領(lǐng)域的研究進展。全書共分13章，內(nèi)容涉及高維數(shù)據(jù)降維、特征選擇、支持向量機、聚類、強化學習、半監(jiān)督學習、復雜網(wǎng)絡、異構(gòu)數(shù)據(jù)、商空間、距離度量以及機器學習在自然語言處理中的應用等。     本書可供計算機、自動化及相關(guān)專業(yè)的研究人員、教師、研究生和工程技術(shù)人員參考。

書籍目錄

1  圖象空間中的距離 　1.1　引言 　1.2　兩副圖象間的距離 　1.3　兩組圖象間的距離 　1.4　結(jié)束語 　參考文獻 2　平均獎賞強化學習研究 　2.1　引言 　2.2　MDP與SMDP    2.2.1  單鏈策略迭代算法　　2.2.2　值迭代算法　　2.2.3　異步值迭代算法 　2.3　平均獎賞動態(tài)規(guī)劃算法 　2.4　平均獎賞強化學習算法 　2.5　基于參考狀態(tài)的平均獎賞強化學習法 　2.6　仿真實驗 　2.7　結(jié)束語 3　離階異構(gòu)數(shù)據(jù)挖掘 　3.1　引言　3.2　同構(gòu)數(shù)據(jù)挖掘　　3.2.1　譜聚類算法　　3.2.2　Page Rank算法　3.3　兩類異構(gòu)對象的數(shù)據(jù)挖掘    3.3.1　二部圖的譜分解    3.3.2　基于信息論的協(xié)同聚類  3.4　高階異構(gòu)數(shù)據(jù)挖掘    3.4.1　高階異構(gòu)對象的建模    3.4.2　基于統(tǒng)一關(guān)系矩陣的方法    3.4.3　基于張量的方法    3.4.4　基于相容二部圖的方法　3.5　結(jié)束語  參考文獻4  求解SVM的幾何方法研究  4.1  引言  4.2　求解SVM幾何方法的理論基礎(chǔ)    4.2.1  線性可分SVM與最近點問題    4.2.2  L2范數(shù)SVM及其幾何解釋    4.2.3  軟凸包與V—SVM的幾何解釋  4.3  求解線性可分SVM問題的幾何算法    4.3.1  Gilbert算法與最小范數(shù)問題    4.3.2  可分情形下的SK算法    4.3.3  可分情形下的MDM算法  4.4　求解L1范數(shù)SVM問題的幾何算法    4.4.1  軟SK算法    4.4.2　軟MDM算法  4.5  軟SK算法和軟MDM算法的一些實驗結(jié)果    4.5.1  實驗方法、實驗環(huán)境與數(shù)據(jù)庫    4.5.2　軟SK算法實驗    4.5.3  軟MDM算法實驗  4.6  SVM的最小球覆蓋解釋與近似最小球覆蓋算法求解  4.7　SMO與幾何算法之間的聯(lián)系  4.8　結(jié)束語  參考文獻5　典型相關(guān)分析研究進展  5.1  引言  5.2　問題的數(shù)學刻畫    5.2.1  CCA數(shù)學描述　　……6　Rashmon特征選擇 7　復雜網(wǎng)絡上的學習 8　聚類分析的新進展——譜聚類綜述 9　機器學習與自然語言處理 10　監(jiān)督流形學習 11　超完備拓撲獨立分量分析 12　商務間框架下的機器學習方法 13　半監(jiān)督學習中的協(xié)同訓練風范 參考文獻

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2007 PDF格式下載

---