导读：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...
机器学习及其应用2007
目录
目录
内容提要 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。本书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13章，内容涉及高维数据降维、特征选择、支持向量机、聚类、强化学习、半监督学习、复杂网络、异构数据、商空间、距离度量以及机器学习在自然语言处理中的应用等。 本书可供计算机、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。 编辑推荐 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。本书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13章，内容涉及高维数据降维、特征选择、支持向量机、聚类、强化学习、半监督学习、复杂网络、异构数据、商空间、距离度量以及机器学习在自然语言处理中的应用等。 本书可供计算机、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 1图象空间中的距离 1.1 引言 1.2 两副图象间的距离 1.3 两组图象间的距离 1.4 结束语 参考文献 2 平均奖赏强化学习研究 2.1 引言 2.2 MDP与SMDP 2.2.1单链策略迭代算法 2.2.2 值迭代算法 2.2.3 异步值迭代算法 2.3 平均奖赏动态规划算法 2.4 平均奖赏强化学习算法 2.5 基于参考状态的平均奖赏强化学习法 2.6 仿真实验 2.7 结束语 3 离阶异构数据挖掘 3.1 引言 3.2 同构数据挖掘 3.2.1 谱聚类算法 3.2.2 PageRank算法 3.3 两类异构对象的数据挖掘 3.3.1 二部图的谱分解 3.3.2 基于信息论的协同聚类 3.4 高阶异构数据挖掘 3.4.1 高阶异构对象的建模 3.4.2 基于统一关系矩阵的方法 3.4.3 基于张量的方法 3.4.4 基于相容二部图的方法 3.5 结束语 参考文献 4求解SVM的几何方法研究 4.1引言 4.2 求解SVM几何方法的理论基础 4.2.1线性可分SVM与最近点问题 4.2.2L2范数SVM及其几何解释 4.2.3软凸包与V—SVM的几何解释 4.3求解线性可分SVM问题的几何算法 4.3.1Gilbert算法与最小范数问题 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范数SVM问题的几何算法 4.4.1软SK算法 4.4.2 软MDM算法 4.5软SK算法和软MDM算法的一些实验结果 4.5.1实验方法、实验环境与数据库 4.5.2 软SK算法实验 4.5.3软MDM算法实验 4.6SVM的最小球覆盖解释与近似最小球覆盖算法求解 4.7 SMO与几何算法之间的联系 4.8 结束语 参考文献 5 典型相关分析研究进展 5.1引言 5.2 问题的数学刻画 5.2.1CCA数学描述 …… 6 Rashmon特征选择 7 复杂网络上的学习 8 聚类分析的新进展——谱聚类综述 9 机器学习与自然语言处理 10 监督流形学习 11 超完备拓扑独立分量分析 12 商务间框架下的机器学习方法 13 半监督学习中的协同训练风范 参考文献
