機器學習及其應用

序
序言
前言
1 關于機器學習的討論
1-1 引言
1-2 機器學習的發展歷史
1-3 統計機器學習
1-3-1 泛化問題
1-3-2 表示問題
1-4 集群機器學習
1-4-1 弱可學習定理
1-4-2 經驗研究問題
1-5 符號機器學習
1-5-1 經典符號機器學習原理
1-5-2 Reduct理論
1-6 流形學習
1-7 其他機器學習方法
1-8 總結與討論
參考文獻
2 統計學習理論及其在非監督學習問題中的應用
2-1 引言
2-2 監督學習問題與統計學習算法
2-2-1 監督學習問題
2-2-2 SVM及其理論分析
2-2-3 統計學習算法框架
2-3 非監督學習問題機器統計學習算法
2-3-1 非監督學習問題
2-3-2 非監督學習問題研究的一些說明和思路
2-3-3 η非監督學習問題
2-3-4 η-one-class問題
2-3-5 η非監督學習問題和one-class問題
2-3-6 其他非監督學習問題
2-4 結束語
參考文獻
3 聚類分析技術綜述
3-1 引言
3-2 聚類分析步驟
3-3 聚類分析中的數據類型
3-4 聚類模型及其算法的設計
3-4-1 針對連續型數據的聚類模型及算法
3-4-2 針對離散型數據的聚類模型及算法
3-4-3 針對關聯型數據的聚類模型及算法
3-4-4 針對混合型數據的聚類模型及算法
3-4-5 在大型數據庫中的聚類算法
3-4-6 其他類型的聚類模型及算法
3-4-7 小結
3-5 聚類分析與奧卡姆剃刀準則
3-5-1 奧卡姆剃刀準則
3-5-2 奧卡姆剃刀準則與聚類算法
3-5-3 聚類算法的歷史回顧
3-5-4 小結
3-6 聚類有效性分析方法
3-7 聚類分析的應用前景及發展
參考文獻
4 符號機器學習研究
4-1 引言
4-2 表示問題
4-2-1 數據預處理問題
4-2-2 描述數據的表示語言
4-3 規則學習
4-3-1 覆蓋算法
4-3-2 分治算法
4-3-3 ILP
4-4 約簡理論
4-5 面向用戶需求的符號機器學習——符號數據分析
4-6 結束語
參考文獻
5 強化學習研究進展
……
6 流形學習若干問題研究
7 選擇性集成
8 A Theoretical Study on the Computation Time of Evolutionary Algorithms
9 文本數據挖掘
10 On Conceptual Modeling of Data Mining
11 模式分類︰統計方法和人工神經網絡方法
12 人臉識別中子空間的統計學習
13 基于內容的視頻信號分析與處理

第一台電子計算機誕生于20世紀40年代。到目前為止，計算機的發展已遠遠超出了其創始者的想像。計算機的處理能力越來越強，應用面越來越廣，應用領域也從單純的科學計算滲透到社會生活的方方面面︰從工業、國防、醫療、教育、娛樂直至人們的日常生活，計算機的影響可謂無處不在。

計算機之所以能取得上述地位並成為全球最具活力的產業，原因在于其高速的計算能力、龐大的存儲能力以及友好靈活的用戶界面。而這些新技術及其應用有賴于研究人員多年不懈的努力。學術研究是應用研究的基礎，也是技術發展的動力。

自1992年起，清華大學出版社與廣西科學技術出版社為促進我國計算機科學技術與產業的發展，推動計算機科技著作的出版，設立了“計算機學術著作出版基金”，並將資助出版的著作列為中國計算機學會的學術著作叢書。時至今日，本套叢書已出版學術專著近50種，產生了很好的社會影響，有的專著具有很高的學術水平，有的則奠定了一類學術研究的基礎。中國計算機學會一直將學術著作的出版作為學會的一項主要工作。本屆理事會將秉承這一傳統，繼續大力支持本套叢書的出版，鼓勵科技工作者寫出更多的優秀學術著作，多出好書，多出精品，為提高我國的知識創新和技術創新能力，促進計算機科學技術的發展和進步做出更大的貢獻。