機(jī)器學(xué)習(xí)及其應(yīng)用2007

定　價(jià)：￥37.00

作　者：	周志華,等　主編
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	中國(guó)計(jì)算機(jī)學(xué)會(huì)學(xué)術(shù)著作叢書(shū).知識(shí)科學(xué)系列
標(biāo)　簽：	自動(dòng)化基礎(chǔ)理論

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787302160762	出版時(shí)間：	2007-10-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	275	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　機(jī)器學(xué)習(xí)是人工智能的一個(gè)核心研究領(lǐng)域，也是近年來(lái)計(jì)算機(jī)科學(xué)中最活躍的研究分支之一。目前，機(jī)器學(xué)習(xí)技術(shù)不僅在計(jì)算機(jī)科學(xué)的眾多領(lǐng)域中大顯身手，還成為一些交叉學(xué)科的重要支撐技術(shù)?！稒C(jī)器學(xué)習(xí)及其應(yīng)用：2007》邀請(qǐng)相關(guān)領(lǐng)域的專(zhuān)家撰文，以綜述的形式介紹機(jī)器學(xué)習(xí)中一些領(lǐng)域的研究進(jìn)展。全書(shū)共分13章，內(nèi)容涉及高維數(shù)據(jù)降維、特征選擇、支持向量機(jī)、聚類(lèi)、強(qiáng)化學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、復(fù)雜網(wǎng)絡(luò)、異構(gòu)數(shù)據(jù)、商空間、距離度量以及機(jī)器學(xué)習(xí)在自然語(yǔ)言處理中的應(yīng)用等?！　稒C(jī)器學(xué)習(xí)及其應(yīng)用：2007》可供計(jì)算機(jī)、自動(dòng)化及相關(guān)專(zhuān)業(yè)的研究人員、教師、研究生和工程技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《機(jī)器學(xué)習(xí)及其應(yīng)用2007》作者簡(jiǎn)介

圖書(shū)目錄

1 圖象空間中的距離
　1.1　引言
　1.2　兩副圖象間的距離
　1.3　兩組圖象間的距離
　1.4　結(jié)束語(yǔ)
　參考文獻(xiàn)
2　平均獎(jiǎng)賞強(qiáng)化學(xué)習(xí)研究
　2.1　引言
　2.2　MDP與SMDP
2.2.1 單鏈策略迭代算法
　　2.2.2　值迭代算法
　　2.2.3　異步值迭代算法
　2.3　平均獎(jiǎng)賞動(dòng)態(tài)規(guī)劃算法
　2.4　平均獎(jiǎng)賞強(qiáng)化學(xué)習(xí)算法
　2.5　基于參考狀態(tài)的平均獎(jiǎng)賞強(qiáng)化學(xué)習(xí)法
　2.6　仿真實(shí)驗(yàn)
　2.7　結(jié)束語(yǔ)
3　離階異構(gòu)數(shù)據(jù)挖掘
　3.1　引言
　3.2　同構(gòu)數(shù)據(jù)挖掘
　　3.2.1　譜聚類(lèi)算法
　　3.2.2　Page Rank算法
　3.3　兩類(lèi)異構(gòu)對(duì)象的數(shù)據(jù)挖掘
3.3.1　二部圖的譜分解
3.3.2　基于信息論的協(xié)同聚類(lèi)
3.4　高階異構(gòu)數(shù)據(jù)挖掘
3.4.1　高階異構(gòu)對(duì)象的建模
3.4.2　基于統(tǒng)一關(guān)系矩陣的方法
3.4.3　基于張量的方法
3.4.4　基于相容二部圖的方法
　3.5　結(jié)束語(yǔ)
參考文獻(xiàn)
4 求解SVM的幾何方法研究
4.1 引言
4.2　求解SVM幾何方法的理論基礎(chǔ)
4.2.1 線性可分SVM與最近點(diǎn)問(wèn)題
4.2.2 L2范數(shù)SVM及其幾何解釋
4.2.3 軟凸包與V—SVM的幾何解釋
4.3 求解線性可分SVM問(wèn)題的幾何算法
4.3.1 Gilbert算法與最小范數(shù)問(wèn)題
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范數(shù)SVM問(wèn)題的幾何算法
4.4.1 軟SK算法
4.4.2　軟MDM算法
4.5 軟SK算法和軟MDM算法的一些實(shí)驗(yàn)結(jié)果
4.5.1 實(shí)驗(yàn)方法、實(shí)驗(yàn)環(huán)境與數(shù)據(jù)庫(kù)
4.5.2　軟SK算法實(shí)驗(yàn)
4.5.3 軟MDM算法實(shí)驗(yàn)
4.6 SVM的最小球覆蓋解釋與近似最小球覆蓋算法求解
4.7　SMO與幾何算法之間的聯(lián)系
4.8　結(jié)束語(yǔ)
參考文獻(xiàn)
5　典型相關(guān)分析研究進(jìn)展
5.1 引言
5.2　問(wèn)題的數(shù)學(xué)刻畫(huà)
5.2.1 CCA數(shù)學(xué)描述
　　……
6　Rashmon特征選擇
7　復(fù)雜網(wǎng)絡(luò)上的學(xué)習(xí)
8　聚類(lèi)分析的新進(jìn)展——譜聚類(lèi)綜述
9　機(jī)器學(xué)習(xí)與自然語(yǔ)言處理
10　監(jiān)督流形學(xué)習(xí)
11　超完備拓?fù)洫?dú)立分量分析
12　商務(wù)間框架下的機(jī)器學(xué)習(xí)方法
13　半監(jiān)督學(xué)習(xí)中的協(xié)同訓(xùn)練風(fēng)范
參考文獻(xiàn)