機器學習及其套用2009

《機器學習及其套用2009》是2009年9月1日清華大學出版社出版的圖書。本書可供計算機、自動化及相關專業的研究人員、教師、研究生和工程技術人員參考。

基本介紹

• 書名：機器學習及其套用2009
• 又名：叢書名: 中國計算機學會學術著作叢書·知識科學系列6
• ISBN：9787302204190
• 頁數：234頁
• 出版社：清華大學出版社
• 出版時間：2009年9月1日
• 裝幀：平裝
• 開本：16
• 正文語種: ：簡體中文
• 尺寸: ：22.8 x 20 x 1.4 cm
• 重量: ：381 g 

內容簡介

《機器學習及其套用2009》一書共分10章，內容涉及正則化、Boosting、聚類分析、因果發現、維數削減、強化學習、遷移學習、流形學習、多示例多標記學習等。機器學習是人工智慧的一個核心研究領域，也是近年來計算機科學中最活躍的研究分支之一。目前，機器學習技術不僅在計算機科學的眾多領域中大顯身手，還成為一些交叉學科的重要支撐技術。

《機器學習及其套用2009》邀請相關領域的專家撰文，以綜述的形式介紹機器學習中一些領域的研究進展。

目錄

機器學習與人工智慧

1 引言

2 機器學習與人工智慧的不同理念

3 統計機器學習的特點

4 集群學習(ensemble learning)

5 人工智慧對機器學習的補充

6 重採樣方法——自助法

7 變數稀疏化

8 知識的集群

9 討論和總結

參考文獻

關係強化學習研究

1 引言

2 Tetris和強化學習解法

2.1 Tetris

2.2 Tetris的抽象和建模

2.3 Tetris的強化學習解法

2.4 狀態空間抽象

3 關係強化學習

3.1 關係強化學習及其抽象

3.2 邏輯決策樹方法

3.3 馬爾可夫邏輯網方法

4 結束語

參考文獻

因果挖掘的若干統計方法

1 引言

2 井底之蛙：因果作用與混雜因素

3 替罪羔羊：利用替代指標評價因果作用

3.1 幾種替代指標準則

3.2 替代指標悖論

3.3 一致替代指標，嚴格一致替代指標

4 盲人摸象：貝葉斯網路的結構學習

4.1 貝葉斯網路結構的分解學習方法

4.2 貝葉斯網路結構的遞歸學習方法

4.3 貝葉斯網路結構的聚類學習方法

5 綱舉目張：確定因果網路方向的主動學習方法

5.1 各種干預方法

5.2 各種算法的模擬比較

6 尋根問底+順藤摸瓜：尋摸結果變數的原因

6.1 外部干預下的預測問題

6.2 局部因果挖掘的方法

7 討論

參考文獻

基於學習的圖像超解析度算法

1 引言

2 基於學習的超解析度算法綜述

2.1 間接最大後驗算法

2.2 直接最大後驗算法

2.3 基於學習的超解析度算法的優缺點

3 基於學習的超解析度算法的性能極限

3.1 什麼是基於學習的超解析度算法的極限

3.2 期望風險的下界

3.3 基於學習的超解析度算法的極限

3.4 下界的計算與閾值的選取

3.5 討論

4 結語

參考文獻

分類學習的正則化技術

1 引言

2 經典的正則化技術

2.1 Tikhonov正則化

2.2 正則化網路

2.3 支持向量機

2.4 正則化最小二乘分類器

2.5 流形正則化

3 最新研究進展

3.1 正則化分類器的泛化誤差界

3.2 正則化項的構造

3.3 正則化參數的選擇

4 結束語

參考文獻

Transfer Learning and Its Application for WiFi Localization Problems

Sinno Jialin Pan, Vincent Wenchen Zheng and Qiang Yang

1 Introduction

2 An Overview of Transfer Learning

2.1 Instance Based Transfer Learning

2.2 Transfer Learning Through Dimensionality Reduction

2.3 Transfer Learning Through Self?taught Clustering

3 WiFi Localization in Indoor Environments

4 Transfer Learning for WILP

4.1 Transferring Localization Models over Time

4.2 Transferring Localization Models across Space

4.3 Transferring Localization Models across Devices

5 Experiments and Discussion

5.1 ICDM 2007 Data Mining Contest Dataset

5.2 Experimental Results

6 Conclusion and Future Work

References

關於boosting算法的margin解釋

1 引言

2 背景與相關工作

3 主要結果

4 對Emargin上界的解釋

5 證明

5.1 定理3的證明

5.2 命題1的證明

5.3 定理4的證明

5.4 定理5的證明

5.5 定理6的證明

6 實驗

7 結論

參考文獻

最大間隔聚類快速算法研究

1 引言

1.1 支持向量機

1.2 最大間隔聚類

1.3 國內外研究現狀

2 兩類問題的最大間隔聚類算法

2.1 最佳化問題的等價轉化

2.2 切平面算法

3 多類問題的最大間隔聚類算法

3.1 切平面算法

4 實驗分析

4.1 實驗數據集

4.2 評價標準

4.3 對比算法以及參數選擇

4.4 聚類精度比較

4.5 聚類速度比較

4.6 約束凹凸規劃平均疊代次數

4.7 切平面算法計算時間與數據集規模的關係

4.8 參數ε對切平面算法精度以及速度的影響

4.9 參數C對切平面算法精度以及速度的影響

5 總結

參考文獻

自適應K段主曲線

1 引言

2 主曲線綜述

2.1 主曲線初步

2.2 主曲線發展歷史

3 自適應K段主曲線

3.1 引入先驗知識

3.2 頂點移除

3.3 自適應K段主曲線實現

4 實驗

5 套用：高精度GPS學習

6 討論

7 總結

附錄

A.1 投影步驟細節

A.2 最佳化步驟細節

A.3 GPS精度的改進

參考文獻

MIML：多示例多標記學習

1 引言

2 MIML框架

3 MIML學習算法

3.1 基於退化策略的MIML學習算法

3.2 基於正則化的MIML學習算法

4 利用MIML學習單示例樣本

5 利用MIML學習複雜高層概念

6 結束語

參考文獻