机器学习及其应用2009

图书标准信息

• 作者 周志华、王珏 著
• 出版社 清华大学出版社
• 出版时间 2009-09
• 版次 1
• ISBN 9787302204190
• 定价 36.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 234页
• 字数 333千字
• 正文语种 简体中文

【内容简介】

　　《机器学习及其应用2009》邀请相关领域的专家撰文，以综述的形式介绍机器学习中一些领域的研究进展。全书共分10章，内容涉及正则化、Boosting、聚类分析、因果发现、维数削减、强化学习、迁移学习、流形学习、多示例多标记学习等。机器学习是人工智能的一个核心研究领域，也是近年来计算机科学中最活跃的研究分支之一。目前，机器学习技术不仅在计算机科学的众多领域中大显身手，还成为一些交叉学科的重要支撑技术。
　　《机器学习及其应用2009》可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。

【目录】

机器学习与人工智能
1引言
2机器学习与人工智能的不同理念
3统计机器学习的特点
4集群学习(ensemblelearning)
5人工智能对机器学习的补充
6重采样方法——自助法
7变量稀疏化
8知识的集群
9讨论和总结
参考文献

关系强化学习研究
1引言
2Tetris和强化学习解法
2.1Tetris
2.2Tetris的抽象和建模
2.3Tetris的强化学习解法
2.4状态空间抽象
3关系强化学习
3.1关系强化学习及其抽象
3.2逻辑决策树方法
3.3马尔可夫逻辑网方法
4结束语
参考文献

因果挖掘的若干统计方法
1引言
2井底之蛙：因果作用与混杂因素

3替罪羔羊：利用替代指标评价因果作用
3.1几种替代指标准则
3.2替代指标悖论
3.3一致替代指标，严格一致替代指标

4盲人摸象：贝叶斯网络的结构学习
4.1贝叶斯网络结构的分解学习方法
4.2贝叶斯网络结构的递归学习方法
4.3贝叶斯网络结构的聚类学习方法

5纲举目张：确定因果网络方向的主动学习方法
5.1各种干预方法
5.2各种算法的模拟比较

6寻根问底+顺藤摸瓜：寻摸结果变量的原因
6.1外部干预下的预测问题
6.2局部因果挖掘的方法
7讨论
参考文献

基于学习的图像超分辨率算法
1引言

2基于学习的超分辨率算法综述
2.1间接最大后验算法
2.2直接最大后验算法
2.3基于学习的超分辨率算法的优缺点

3基于学习的超分辨率算法的性能极限
3.1什么是基于学习的超分辨率算法的极限
3.2期望风险的下界
3.3基于学习的超分辨率算法的极限
3.4下界的计算与阈值的选取
3.5讨论
4结语
参考文献
分类学习的正则化技术
1引言

2经典的正则化技术
2.1Tikhonov正则化
2.2正则化网络
2.3支持向量机
2.4正则化最小二乘分类器
2.5流形正则化

3最新研究进展
3.1正则化分类器的泛化误差界
3.2正则化项的构造
3.3正则化参数的选择
4结束语
参考文献

TransferLearningandItsApplicationforWiFiLocalizationProblems
SinnoJialinPan，VincentWenchenZhengandQiangYang
1Introduction

2AnOverviewofTransferLearning
2.1InstanceBasedTransferLearning
2.2TransferLearningThroughDimensionalityReduction
2.3TransferLearningThroughSelftaughtClustering

3WiFiLocalizationinIndoorEnvironments

4TransferLearningforWILP
4.1TransferringLocalizationModelsoverTime
4.2TransferringLocalizationModelsacrossSpace
4.3TransferringLocalizationModelsacrossDevices

5ExperimentsandDiscussion
5.1ICDM2007DataMiningContestDataset
5.2ExperimentalResults
6ConclusionandFutureWork
References

关于boosting算法的margin解释
1引言
2背景与相关工作
3主要结果
4对Emargin上界的解释

5证明
5.1定理3的证明
5.2命题1的证明
5.3定理4的证明
5.4定理5的证明
5.5定理6的证明

6实验
7结论
参考文献

最大间隔聚类快速算法研究
1引言
1.1支持向量机
1.2最大间隔聚类
1.3国内外研究现状

2两类问题的最大间隔聚类算法
2.1优化问题的等价转化
2.2切平面算法

3多类问题的最大间隔聚类算法
3.1切平面算法

4实验分析
4.1实验数据集
4.2评价标准
4.3对比算法以及参数选择
4.4聚类精度比较
4.5聚类速度比较
4.6约束凹凸规划平均迭代次数
4.7切平面算法计算时间与数据集规模的关系
4.8参数ε对切平面算法精度以及速度的影响
4.9参数C对切平面算法精度以及速度的影响
5总结
参考文献

自适应K段主曲线
1引言
2主曲线综述
2.1主曲线初步
2.2主曲线发展历史

3自适应K段主曲线
3.1引入先验知识
3.2顶点移除
3.3自适应K段主曲线实现

4实验
5应用：高精度GPS学习
6讨论
7总结
附录
A.1投影步骤细节
A.2优化步骤细节
A.3GPS精度的改进
参考文献
MIML：多示例多标记学习
1引言
2MIML框架
3MIML学习算法
3.1基于退化策略的MIML学习算法
3.2基于正则化的MIML学习算法
4利用MIML学习单示例样本
5利用MIML学习复杂高层概念
6结束语
参考文献