机器学习及其应用 2007【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

机器学习及其应用 2007PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 图像空间中的距离&封举富 王立威1

1.1 引言1

1.2 两幅图像间的距离1

1.3 两组图像间的距离5

1.4 结束语7

参考文献7

2 平均奖赏强化学习研究&高阳 周如益10

2.1 引言10

2.2 MDP和SMDP11

2.3 平均奖赏动态规划算法14

2.3.1 单链策略迭代算法14

2.3.2 值迭代算法15

2.3.3 异步值迭代算法16

2.4 平均奖赏强化学习算法17

2.4.1 R-学习算法及其变体17

2.4.2 H-学习算法18

2.4.3 SMART学习算法20

2.5 基于参考状态的平均奖赏强化学习算法20

2.6 仿真实验22

2.7 结束语24

参考文献25

3 高阶异构数据挖掘&刘铁岩 高斌28

3.1 引言28

3.2 同构数据挖掘29

3.2.1 谱聚类算法29

3.2.2 PageRank算法31

3.3 两类异构对象的数据挖掘32

3.3.1 二部图的谱分解32

3.3.2 基于信息论的协同聚类34

3.4 高阶异构数据挖掘34

3.4.1 高阶异构对象的建模34

3.4.2 基于统一关系矩阵的方法35

3.4.3 基于张量的方法38

3.4.4 基于相容二部图的方法40

3.5 结束语46

参考文献46

4 求解SVM的几何方法研究&陶卿49

4.1 引言49

4.2 求解SVM几何方法的理论基础52

4.2.1 线性可分SVM与最近点问题53

4.2.2 L2范数SVM及其几何解释55

4.2.3 软凸包与v-SVM的几何解释57

4.3 求解线性可分SVM问题的几何算法62

4.3.1 Gilbert算法与最小范数问题62

4.3.2 可分情形下的SK算法64

4.3.3 可分情形下的MDM算法66

4.4 求解L1范数SVM问题的几何算法68

4.4.1 软SK算法68

4.4.2 软MDM算法70

4.5 软SK算法和软MDM算法的一些实验结果74

4.5.1 实验方法、实验环境与数据库74

4.5.2 软SK算法实验75

4.5.3 软MDM算法实验76

4.6 SVM的最小球覆盖解释与近似最小球覆盖算法求解78

4.7 SMO与几何算法之间的联系80

4.8 结束语81

参考文献82

5 典型相关分析研究进展&孙廷凯 陈松灿85

5.1 引言85

5.2 问题的数学刻画87

5.2.1 CCA数学描述87

5.2.2 相关性与互信息之间的关系88

5.2.3 CCA与其他多元分析方法之间的关系89

5.2.4 核CCA90

5.3 CCA研究进展91

5.3.1 CCA的应用91

5.3.2 CCA计算方法的改进97

5.3.3 基于CCA的扩展模型99

5.4 结束语104

参考文献105

6 Rashomon特征选择&王珏 韩素青 梁洪力109

6.1 引言109

6.1.1 Rashomon110

6.1.2 模型多样性问题110

6.1.3 最简单的Rashomon问题——特征选择111

6.2 特征选择112

6.2.1 经典特征选择的类型113

6.2.2 Filter类型特征选择114

6.2.3 Relief算法114

6.3 基于Reduct的特征选择116

6.3.1 BNA（D）与误差116

6.3.2 Reduct作为特征选择的解答117

6.4 Rashomon特征选择118

6.4.1 基于全序的Reduct算法118

6.4.2 Rashomon特征选择119

6.5 次属性原理120

6.5.1 次属性121

6.5.2 次属性原理122

6.6 Rashomon特征选择的计算123

6.6.1 优化规则123

6.6.2 算法124

6.7 总结与问题125

参考文献128

7 复杂网络上的学习&王世军 张长水130

7.1 引言130

7.2 分类器网络及Boosting学习130

7.2.1 Network Boosting算法131

7.2.2 算法收敛性132

7.2.3 UCI数据集上的实验结果135

7.3 网络拓扑结构对于Network Boosting算法性能的影响137

7.3.1 Bias-Variance-Covariance137

7.3.2 连接度数变化对于样本权重分布之间相关性的影响138

7.3.3 不同连接概率的随机图上的对比实验结果140

7.4 分布式环境中的分类器网络142

7.4.1 分布式Network Boosting算法143

7.4.2 分布式环境中监督学习实验结果144

7.5 总结146

参考文献147

8 聚类分析的新进展——谱聚类综述&于剑149

8.1 谱聚类算法的由来150

8.2 无向图的拉普拉斯矩阵性质152

8.3 基于图划分的谱聚类算法153

8.4 谱聚类算法诱导的异质聚类157

8.5 谱聚类算法的进一步讨论161

参考文献163

9 机器学习与自然语言处理&俞士汶 曲维光 王治敏 苏祺 金澎166

9.1 引言166

9.2 自然语言处理的主攻方向166

9.3 文学语言对机器学习提出的挑战168

9.3.1 隐喻和影射169

9.3.2 引用典故171

9.3.3 遣词造句的形象化171

9.3.4 夸张173

9.3.5 双关173

9.3.6 拟人化174

9.4 服务于机器学习的语言资源建设174

9.5 机器学习方法的实践177

9.5.1 词义消歧研究177

9.5.2 情感倾向分析182

9.5.3 隐喻识别187

9.5.4 小结190

9.6 结束语191

参考文献191

10 监督流形学习&张军平 何力194

10.1 引言194

10.2 基础195

10.2.1 流形195

10.2.2 嵌入195

10.3 流形学习简介及LLE算法195

10.3.1 流形学习的目的和基本思路196

10.3.2 算法有效性分析197

10.3.3 LLE算法介绍198

10.4 监督流形学习199

10.4.1 相关研究介绍200

10.4.2 监督流形学习中面临的问题203

10.5 基于Gabor基的监督流形学习204

10.5.1 Gabor特征表示204

10.5.2 ULLELDA算法205

10.5.3 基于Gabor基的监督流形学习实验206

10.5.4 En-ULLELDA算法209

10.5.5 基于集成流形学习的实验209

10.6 MUSNACAL算法和En-MUSNACAL算法214

10.6.1 覆盖算法215

10.6.2 双向RBF映射模型215

10.6.3 分类217

10.6.4 En-MUSNACAL算法218

10.6.5 基于MUSNACAL算法和En-MUSNACAL算法的实验219

10.6.6 小结225

10.7 讨论与总结226

参考文献227

11 超完备拓扑独立分量分析&张丽清 麻立波231

11.1 引言231

11.2 超完备表示模型与算法233

11.3 超完备表示实验仿真235

11.4 结束语239

参考文献239

12 商空间框架下的机器学习方法&张铃241

12.1 人类智能的主要特征241

12.1.1 人类全局分析问题的能力241

12.1.2 人类局部分析问题的能力243

12.2 智能的数学模型243

12.2.1 全局分析能力的数学模型——粒度分析（计算）的商空间模型243

12.2.2 局部分析能力的数学模型——构造性学习方法（覆盖算法）244

12.2.3 两者的综合245

12.3 商空间粒度计算245

12.3.1 粒度与模糊关系246

12.4 商空间粒度分析的方法247

12.4.1 对论域取粒度248

12.4.2 对属性取粒度249

12.4.3 对结构取粒度249

12.4.4 商空间粒度计算的基本原理249

12.5 构造性机器学习方法250

12.5.1 覆盖算法251

12.5.2 具有粒度结构知识的获取252

12.5.3 基于商空间的覆盖算法254

12.6 小结257

参考文献257

13 半监督学习中的协同训练风范&周志华259

13.1 引言259

13.2 半监督学习260

13.3 协同训练算法263

13.4 协同训练理论分析266

13.5 协同训练的应用269

13.6 结束语270

参考文献271