图书介绍
知识科学系列 机器学习及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 王珏，周志华，周傲英主编 著
- 出版社： 北京：清华大学出版社
- ISBN：7302120382
- 出版时间：2006
- 标注页数：324页
- 文件大小：29MB
- 文件页数：342页
- 主题词：机器学习
PDF下载
下载说明
知识科学系列 机器学习及其应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
1 关于机器学习的讨论 王珏 1
1.1 引言1
目录3
序3
1.2 机器学习的发展历史4
序言5
前言7
1.3 统计机器学习9
1.3.1 泛化问题9
1.3.2 表示问题11
1.4 集群机器学习12
1.4.1 弱可学习定理13
1.4.2 经验研究问题14
1.5 符号机器学习15
1.5.1 经典符号机器学习原理16
1.5.2 Reduct理论17
1.6 流形学习19
1.7 其他机器学习方法21
1.8 总结与讨论25
参考文献27
2 统计学习理论及其在非监督学习问题中的应用 陶卿 32
2.1 引言32
2.2.1 监督学习问题34
2.2 监督学习问题与统计学习算法34
2.2.2 SVM及其理论分析35
2.2.3 统计学习算法框架39
2.3 非监督学习问题机器统计学习算法41
2.3.1 非监督学习问题41
2.3.2 非监督学习问题研究的一些说明和思路42
2.3.3 η非监督学习问题43
2.3.4 η-one-class问题44
2.3.5 η非监督学习问题和one-class问题51
2.3.6 其他非监督学习问题52
参考文献56
2.4 结束语56
3 聚类分析技术综述＊ 丁泽进 于剑 59
3.1 引言59
3.2 聚类分析步骤60
3.3 聚类分析中的数据类型62
3.4 聚类模型及其算法的设计63
3.4.1 针对连续型数据的聚类模型及算法63
3.4.2 针对离散型数据的聚类模型及算法68
3.4.3 针对关联型数据的聚类模型及算法71
3.4.4 针对混合型数据的聚类模型及算法72
3.4.5 在大型数据库中的聚类算法72
3.4.6 其他类型的聚类模型及算法73
3.5 聚类分析与奥卡姆剃刀准则74
3.5.1 奥卡姆剃刀准则74
3.4.7 小结74
3.5.2 奥卡姆剃刀准则与聚类算法75
3.5.3 聚类算法的历史回顾77
3.5.4 小结78
3.6 聚类有效性分析方法78
3.7 聚类分析的应用前景及发展79
参考文献80
4 符号机器学习研究 韩素青 韩彦军 88
4.1 引言88
4.2 表示问题91
4.2.1 数据预处理问题91
4.2.2 描述数据的表示语言93
4.3 规则学习94
4.3.1 覆盖算法94
4.3.2 分治算法100
4.3.3 ILP101
4.4 约简理论104
4.5 面向用户需求的符号机器学习——符号数据分析107
4.6 结束语109
参考文献110
5 强化学习研究进展 高阳 116
5.1 引言116
5.2 强化学习基础117
5.3 部分感知马氏决策过程中的强化学习122
5.4 强化学习中的函数估计125
5.5 分层强化学习126
5.6 多agent强化学习128
5.7 结束语132
参考文献133
6 流形学习若干问题研究＊ 张军平 135
6.1 流形学习研究动机135
6.1.1 计算机视觉与感知136
6.1.2 应用驱动136
6.2 流形学习综述137
6.3 流形学习若干问题研究139
6.3.1 流形学习基本问题的研究139
6.3.2 内在维数研究145
6.3.3 定量化研究（数据的定量化分析）149
6.3.4 监督学习算法研究152
6.3.5 范畴问题研究157
6.3.6 其他161
6.4 讨论与结论164
参考文献165
7 选择性集成 周志华 170
7.1 引言170
7.2 理论基础173
7.2.1 回归任务173
7.2.2 分类任务175
7.3 GASEN算法176
7.3.1 算法介绍177
7.3.2 分析和讨论178
7.4 一个应用：选择性多本征空间集成180
7.4.1 本征脸和本征特征180
7.4.2 SEME算法181
7.4.3 分析和讨论182
7.5 选择性集成的一般意义184
7.6 结束语185
参考文献186
8 A Theoretical Study on the Computation Time of Evolutionary Algorithms Jun HE and Xin YAO189
8.1 Introduction189
8.2 Mathematical Models190
8.2.1 Description of Evolutionary Algorithms190
8.2.2 Model 1:Markov Chain191
8.2.3 Model 2:Supermartingale192
8.3 Analyzing Tools193
8.3.1 First Hitting Time of Evolutionary Algorithms193
8.3.2 Tool 1:Analytic Approach194
8.3.3 Tool 2:Drift Analysis197
8.4 Applications of Analytic Approach198
8.4.1 Case Study 1:Population Can Bring Benefit198
8.4.2 Case Study 2:Population May Not Be Beneficial203
8.4.3 Analysis of(1+1)EAs with Elitist Selection208
8.4.4 Analysis of Population-based Evolutionary Algorithms210
8.5 Applications of Drift Analysis212
8.5.1 Case Study 1:The Subset Sum Problem212
8.5.2 Case Study 2:Analysis of an(n+n)EA for the ONE-MAX Problem217
8.5.3 A Classification of Fitness Landscapes219
8.6 Conclusions and Future Works221
References222
9 文本数据挖掘 李航 225
9.1 什么是文本数据挖掘225
9.2 文本数据挖掘的基本技术226
9.2.1 文本信息抽取226
9.2.2 文本分类228
9.2.3 文本聚类230
9.2.4 文本数据压缩231
9.2.5 文本数据处理232
参考文献234
9.3 技术发展趋势234
10 On Conceptual Modeling of Data Mining Yiyu YAO 238
10.1 Introduction238
10.2 Conceptual Modeling240
10.2.1 A Brief Summary of Data Mining Research240
10.2.2 Motivations for Conceptual Modeling242
10.2.3 Foundations of Data Mining243
10.2.4 Implications244
10.3 Data Mining and Scientific Research245
10.3.1 Common Purposes and Goals245
10.3.2 Common Processes246
10.3.3 Implications247
10.4.1 Multi-level Understanding of Information Processing Systems248
10.4 Multi-level Modeling of Data Mining248
10.4.2 A Three-layeredFramework of Data Mining250
10.4.3 Implications251
10.5 Concluding Remarks252
References253
11 模式分类：统计方法和人工神经网络方法 李伯宇 王晨 周昌印 杜浩 陈雁秋 256
11.1 引言256
11.1.1 什么是模式分类256
11.1.2 分类正确率257
11.1.3 分类实例258
11.2.1 贝叶斯决策理论259
11.2 统计分类方法259
11.1.4 分类方法的研究259
11.2.2 一致性准则与分类器性能评估261
11.3 最近邻分类262
11.3.1 距离度量263
11.3.2 错误估计263
11.3.3 样本处理264
11.4 人工神经网络分类器265
11.4.1 多层前馈神经网络与BP算法265
11.4.2 生成收缩算法266
11.5 讨论和展望268
参考文献268
12.1 人脸识别基础270
12 人脸识别中子空间的统计学习 李子清 张军平 270
12.2 线性子空间273
12.2.1 PCA子空间274
12.2.2 基于独立分量分析的子空间方法276
12.2.3 非负矩阵分解（NMF）282
12.2.4 混合线性子空间模型287
12.3 非线性子空间288
12.3.1 等度规映射算法292
12.3.2 局部线性嵌套算法295
12.4 结论297
参考文献298
13.1 视频信息分析技术的发展趋势302
13 基于内容的视频信号分析与处理 路红 薛向阳 Yap-Peng TAN 302
13.2 视频信号的结构化分析304
13.2.1 镜头分割304
13.2.2 场景聚类和分割306
13.2.3 结构化视频简介307
13.2.4 结构化视频的分析与建模307
13.2.5 电视节目的分割313
13.2.6 视频的摘要和概述313
13.3 基于内容的视频检索316
13.4 视频信息检索技术的应用——数字电视节目检索与过滤系统316
13.4.1 内容检索系统317
13.4.2 实时过滤系统318
参考文献320