高级搜索  |  搜索帮助
书  名:机器学习及其应用2009
  • 作  者: 周志华、王珏
  • 出版时间: 2009-09-01
  • 出 版 社: 清华大学出版社
  • 字  数: 333 千字
  • 印  次: 1-1
  • 印  张: 15
  • 开  本: 16开
  • ISBN: 9787302204190
  • 装  帧: 平装
  • 定  价:¥36.00
电子书价:¥14.40 折扣:40折 节省:¥21.60 vip价:¥14.40 电子书大小:20.65M
配套资源下载:
  • 名称
  • 说明
  • 权限
  • 文件大小
  • 点击图标下载
  • 图书样章
  • 所有用户
  • 256K
共有商品评论0条 查看评论摘要
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。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10章,内容涉及正则化、Boosting、聚类分析、因果发现、维数削减、强化学习、迁移学习、流形学习、多示例多标记学习等。

 本书可供计算机、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。
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。机器学习不仅是人工智能的核心研究领域之一,目前还成为计算机科学中最活跃、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、报告人由组织者邀请,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次“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。2005年起研讨会由南京大学软件新技术国家重点实验室举办。2005年11月举办的第三届研讨会吸引了来自全国近10个省市的250余人旁听;2006年11月、2007年11月分别由南京航空航天大学信息科学与技术学院、南京师范大学数学与计算机学院协办了第四届和第五届研讨会,两次均吸引了来自全国10余个省市的约300人旁听;2008年11月举行的第六届研讨会,适逢南京大学计算机学科建立50周年,吸引了来自全国10余个省市的380余人旁听。值得一提的是,为了促进研究生之间以及研究生与资深学者之间的交流,从2006年开始,在研讨会期间举行“机器学习及其应用学生研讨会”,由研究生通过墙展方式介绍自己的工作,到目前为止共举行了三次,吸引了100~200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”举行时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年发行的《机器学习及其应用》一书。2005年第三届研讨会期间,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成一书,以《机器学习及其应用(出版年)》的形式冠名。第三届和第四届研讨会的部分内容已在《机器学习及其应用2007》一书中出版发行。
  
  本书是清华大学出版社邀请第五届和第六届“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而得的文集。书中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。书中章节不仅涉及正则化、Boosting、聚类分析、因果发现、维数削减、强化学习等传统研究领域,还涉及迁移学习、流形学习、多示例多标记学习等新领域,以及图像超分辨率、无线局域网定位、智能交通控制等应用问题。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。

编者
2009年5月
目录
基于学习的图像超分辨率算法林宙辰

1引言

2基于学习的超分辨率算法综述
2.1间接最大后验算法
2.2直接最大后验算法
2.3基于学习的超分辨率算法的优缺点

3基于学习的超分辨率算法的性能极限
3.1什么是基于学习的超分辨率算法的极限
3.2期望风险的下界
3.3基于学习的超分辨率算法的极限
3.4下界的计算与阈值的选取
3.5讨论

4结语

参考文献

分类学习的正则化技术薛晖陈松灿

1引言

2经典的正则化技术
2.1Tikhonov正则化
2.2正则化网络
2.3支持向量机
2.4正则化最小二乘分类器
2.5流形正则化

3最新研究进展
3.1正则化分类器的泛化误差界
3.2正则化项的构造
3.3正则化参数的选择

4结束语

参考文献

Transfer Learning and Its Application for WiFi Localization Problems

Sinno Jialin Pan, Vincent Wenchen Zheng and Qiang Yang


1Introduction

2An Overview of Transfer Learning

2.1Instance Based Transfer Learning

2.2Transfer Learning Through Dimensionality Reduction

2.3Transfer Learning Through Selftaught Clustering

3WiFi Localization in Indoor Environments

4Transfer Learning for WILP

4.1Transferring Localization Models over Time

4.2Transferring Localization Models across Space

4.3Transferring Localization Models across Devices

5Experiments and Discussion

5.1ICDM 2007 Data Mining Contest Dataset

5.2Experimental Results

6Conclusion and Future Work

References

关于boosting算法的margin解释王立威景兆祥

1引言

2背景与相关工作

3主要结果

4对Emargin上界的解释

5证明
5.1定理3的证明
5.2命题1的证明
5.3定理4的证明
5.4定理5的证明
5.5定理6的证明

6实验

7结论

参考文献


最大间隔聚类快速算法研究张长水赵斌

1引言
1.1支持向量机
1.2最大间隔聚类
1.3国内外研究现状

2两类问题的最大间隔聚类算法
2.1优化问题的等价转化
2.2切平面算法

3多类问题的最大间隔聚类算法
3.1切平面算法

4实验分析
4.1实验数据集
4.2评价标准
4.3对比算法以及参数选择
4.4聚类精度比较
4.5聚类速度比较
4.6约束凹凸规划平均迭代次数
4.7切平面算法计算时间与数据集规模的关系
4.8参数ε对切平面算法精度以及速度的影响
4.9参数C对切平面算法精度以及速度的影响

5总结

参考文献


自适应K段主曲线张军平

1引言

2主曲线综述
2.1主曲线初步
2.2主曲线发展历史

3自适应K段主曲线
3.1引入先验知识
3.2顶点移除
3.3自适应K段主曲线实现

4实验

5应用: 高精度GPS学习

6讨论

7总结

附录

A.1投影步骤细节
A.2优化步骤细节
A.3GPS精度的改进

参考文献


MIML: 多示例多标记学习周志华张敏灵

1引言

2MIML框架

3MIML学习算法
3.1基于退化策略的MIML学习算法
3.2基于正则化的MIML学习算法

4利用MIML学习单示例样本

5利用MIML学习复杂高层概念

6结束语

参考文献
Copyright(C)清华大学出版社有限公司,All Rights Reserved 京ICP备10035462号 联系我们