机器学习及其应用2007

机器学习及其应用2007
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: ,
2007-10
版次: 1
ISBN: 9787302160762
定价: 37.00
装帧: 平装
开本: 其他
纸张: 胶版纸
页数: 275页
字数: 375千字
8人买过
  • 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。《机器学习及其应用:2007》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。
    《机器学习及其应用:2007》可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。 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
    2.2MDP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
    3.2.2PageRank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
    4.7SMO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
    ……
    6Rashmon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
  • 内容简介:
    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。《机器学习及其应用:2007》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。
    《机器学习及其应用:2007》可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。
  • 目录:
    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
    2.2MDP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
    3.2.2PageRank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
    4.7SMO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
    ……
    6Rashmon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
查看详情
相关图书 / 更多
机器学习及其应用2007
机器视觉原理及应用教程
宋丽梅 朱新军 李云鹏 编著
机器学习及其应用2007
机器视觉与传感器技术(第2版)(教材)
王瑞雪 著;王瑞雪 编;邵欣;田悦妍;邵欣;田悦妍
机器学习及其应用2007
机器视觉技术:基础及实践
陈思遥 编著;陈兵旗;梁习卉子
机器学习及其应用2007
机器学习:工业大数据分析
李彦夫
机器学习及其应用2007
机器人工程基础
徐东 岳昊嵩
机器学习及其应用2007
机器和生灵:人工智能、动物智慧与人类智识
[美]保罗·萨伽德(Paul;Thagard
机器学习及其应用2007
机器人操作系统ROS原理及应用
牛杰 余正泓
机器学习及其应用2007
机器人综合设计与实践
樊泽明
机器学习及其应用2007
机器视觉与产品检测
宫海兰 著;王珺萩
机器学习及其应用2007
机器人是怎样工作的(图解版)
[日]濑户文美
机器学习及其应用2007
机器学习中的统计思维(Python实现)
董平
机器学习及其应用2007
机器人焊接、激光加工与喷涂工艺及设备(应用型本科规划教材)
荆学东 编著
您可能感兴趣 / 更多
机器学习及其应用2007
大数据分析研究进展
周志华;张敏灵;巫英才;瞿裕忠;姜育刚
机器学习及其应用2007
演化学习 理论与算法进展 精装版
周志华 俞扬 钱超
机器学习及其应用2007
演化学习:理论与算法进展
周志华 俞扬 钱超
机器学习及其应用2007
集成学习:基础与算法
周志华
机器学习及其应用2007
机器学习理论导引周志华老师新作限量签章版
周志华、王魏、高尉、张利军 著
机器学习及其应用2007
南京大学人工智能本科专业教育培养体系
周志华
机器学习及其应用2007
Photoshop CS5图像处理项目教程
周志华、王鹰汉、邓美玲 编
机器学习及其应用2007
谈阳阳杨青青的化学奇遇(科学少年丛书)
周志华 著;陈凯
机器学习及其应用2007
机器学习及其应用2009
周志华、王珏 著
机器学习及其应用2007
矢量时尚综合素材
周志华 著
机器学习及其应用2007
矢量设计素材丛书:矢量时尚综合素材2
周志华 著
机器学习及其应用2007
神经网络及其应用
周志华;曹存根