请输入您要查询的百科知识:

 

词条 机器学习及其应用2007
释义

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。

书名:机器学习及其应用:2007

作者:周志华,王珏

原版名称:机器学习及其应用:2007

ISBN:9787302160762

类别:计算机科学

页数:275页

定价:37元

出版社:清华大学出版社

出版时间:2007年10月1日

装帧:平装

开本:16开

内容简介

机器学习致力于“利用经验来改善系统自身的性能”。在计算机系统中,“经验”通常是以数据的形式存在的,要利用经验就不可避免地要对数据进行分析。因此,机器学习已逐渐成为计算机数据分析技术的源泉之一。随着人类收集和存储数据能力的不断增长以及计算机运算能力的飞速发展,利用计算机来分析数据的要求越来越广泛,越来越迫切,从而使得机器学习的重要性越来越显著。

目录

前言

机器学习致力于“利用经验来改善系统自身的性能”。在计算机系统中,“经验”通常是以数据的形式存在的,要利用经验就不可避免地要对数据进行分析。因此,机器学习已逐渐成为计算机数据分析技术的源泉之一。随着人类收集和存储数据能力的不断增长以及计算机运算能力的飞速发展,利用计算机来分析数据的要求越来越广泛,越来越迫切,从而使得机器学习的重要性越来越显著。2001年,美国航空航天局JPL实验室的科学家在Science上撰文指出,机器学习对科学研究的整个过程正起到越来越大的支持作用,并预计该领域将取得稳定而快速的发展;2003年,美国国防部高级研究计划局(DARPA)开始启动了以机器学习为核心的PAL计划,将机器学习技术的重要性上升到国家安全的高度来考虑;2006年,美国卡内基梅隆大学专门成立了机器学习系。这些情况表明,机器学习已经成为计算机科学技术中最受关注的领域之一。

2002年,陆汝钤院士在复旦大学智能信息处理实验室发起并组织了“智能信息处理系列研讨会”,并将“机器学习及其应用”列为当年支持的研讨会之一。2002年11月,研讨会成功举行,并确定了会议不征文、不收费,以及“学术至上,其他从简”的办会宗旨。2004年11月,在复旦大学举行了第二届“机器学习及其应用”研讨会,两天半的会议一直有100余人旁听,这令与会专家深受鼓舞,于是商定从此次会议开始,将“机器学习及其应用”发展成为一个系列研讨会,在每年11月上旬的一个周末举行。2005年11月,南京大学计算机软件新技术国家重点实验室举办了第三届研讨会,吸引了来自全国近十个省市的250余人旁听;2006年11月,南京大学计算机软件新技术国家重点实验室和南京航空航天大学信息科学与技术学院联合举办了第四届研讨会,吸引了来自全国十余个省市的300余人旁听。同时,为了促进研究生之间以及研究生与资深学者之间的交流,在第四届研讨会期间还举行了“第一届机器学习及其应用学生研讨会”,由一些受到邀请的研究生介绍自己的研究成果,以夜间墙展的方式进行,也吸引了100余人参加。

清华大学出版社对推介信息科学技术领域的研究进展一直抱有极大的热情。早在“第二届机器学习及其应用研讨会”举行期间清华大学出版社就参与其中,并为该研讨会专门出版了文集,即2006年出版发行的《机器学习及其应用》一书。2005年第三届研讨会期间,清华大学出版社和与会专家商定,以后每两届研讨会的部分内容将编辑成书,以《机器学习及其应用:出版年》的形式冠名。

本书是清华大学出版社邀请第三届和第四届“机器学习及其应用研讨会”的部分专家将其报告内容总结成文所得的文集。书中各章按作者的姓氏拼音为序,每一章将讨论一个论题,以综述的形式对该方面的研究进展加以介绍,并将报告人自己的一些研究工作嵌入其中。书中章节不仅涉及支持向量机、聚类分析、特征选择、维数削减、强化学习等传统研究领域,还涉及到流形学习、半监督学习、异构数据分析、商空间等新领域,以及图像理解、网络分析、自然语言处理等应用问题。需要注意的是,书中各章的内容仅表达该章作者本人的见解,并不代表清华大学出版社、编者及其他各章作者的学术观点。本书的出版得到了陆汝钤院士的支持和指导,并得到清华大学出版社计算机专著出版基金的资助,在此谨表示衷心的感谢。

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

随便看

 

百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。

 

Copyright © 2004-2023 Cnenc.net All Rights Reserved
更新时间:2025/3/17 11:11:45