《機器學習及其套用2007》是2007年清華大學出版社出版的圖書，作者是周志華，王珏。本書邀請了相關領域的專家作為指導，以綜述的形式介紹機器學習中一些領域的研究進展。
基本介紹
- 書名：機器學習及其套用：2007
- 作者：周志華，王珏
- 原版名稱：機器學習及其套用：2007
- ISBN：9787302160762
- 類別：計算機科學
- 頁數：275頁
- 定價：37元
- 出版社：清華大學出版社
- 出版時間：2007年10月1日
- 裝幀：平裝
- 開本：16開
內容簡介,目錄,圖象空間中的距離,平均獎賞強化學習研究,離階異構數據挖掘,求解SVM的幾何方法研究,典型相關分析研究進展,
內容簡介
機器學習是人工智慧的一個核心研究領域，也是近年來計算機科學中最活躍的研究分支之一。目前，機器學習技術不僅在計算機科學的眾多領域中大顯身手，還成為一些交叉學科的重要支撐技術。本書邀請相關領域的專家撰文，全書共分13章，內容涉及高維數據降維、特徵選擇、支持向量機、聚類、強化學習、半監督學習、複雜網路、異構數據、商空間、距離度量以及機器學習在自然語言處理中的套用等。
機器學習致力於“利用經驗來改善系統自身的性能”。在計算機系統中，“經驗”通常是以數據的形式存在的，要利用經驗就不可避免地要對數據進行分析。因此，機器學習已逐漸成為計算機數據分析技術的源泉之一。隨著人類收集和存儲數據能力的不斷增長以及計算機運算能力的飛速發展，利用計算機來分析數據的要求越來越廣泛，越來越迫切，從而使得機器學習的重要性越來越顯著。
目錄
前言
機器學習致力於“利用經驗來改善系統自身的性能”。在計算機系統中，“經驗”通常是以數據的形式存在的，要利用經驗就不可避免地要對數據進行分析。因此，機器學習已逐漸成為計算機數據分析技術的源泉之一。隨著人類收集和存儲數據能力的不斷增長以及計算機運算能力的飛速發展，利用計算機來分析數據的要求越來越廣泛，越來越迫切，從而使得機器學習的重要性越來越顯著。2001年，美國航空航天局JPL實驗室的科學家在Science上撰文指出，機器學習對科學研究的整個過程正起到越來越大的支持作用，並預計該領域將取得穩定而快速的發展；2003年，美國國防部高級研究計畫局（DARPA）開始啟動了以機器學習為核心的PAL計畫，將機器學習技術的重要性上升到國家安全的高度來考慮；2006年，美國卡內基梅隆大學專門成立了機器學習系。這些情況表明，機器學習已經成為計算機科學技術中最受關注的領域之一。
2002年，陸汝鈐院士在復旦大學智慧型信息處理實驗室發起並組織了“智慧型信息處理系列研討會”，並將“機器學習及其套用”列為當年支持的研討會之一。2002年11月，研討會成功舉行，並確定了會議不徵文、不收費，以及“學術至上，其他從簡”的辦會宗旨。2004年11月，在復旦大學舉行了第二屆“機器學習及其套用”研討會，兩天半的會議一直有100餘人旁聽，這令與會專家深受鼓舞，於是商定從此次會議開始，將“機器學習及其套用”發展成為一個系列研討會，在每年11月上旬的一個周末舉行。2005年11月，南京大學計算機軟體新技術國家重點實驗室舉辦了第三屆研討會，吸引了來自全國近十個省市的250餘人旁聽；2006年11月，南京大學計算機軟體新技術國家重點實驗室和南京航空航天大學信息科學與技術學院聯合舉辦了第四屆研討會，吸引了來自全國十餘個省市的300餘人旁聽。同時，為了促進研究生之間以及研究生與資深學者之間的交流，在第四屆研討會期間還舉行了“第一屆機器學習及其套用學生研討會”，由一些受到邀請的研究生介紹自己的研究成果，以夜間牆展的方式進行，也吸引了100餘人參加。
清華大學出版社對推介信息科學技術領域的研究進展一直抱有極大的熱情。早在“第二屆機器學習及其套用研討會”舉行期間清華大學出版社就參與其中，並為該研討會專門出版了文集，即2006年出版發行的《機器學習及其套用》一書。2005年第三屆研討會期間，清華大學出版社和與會專家商定，以後每兩屆研討會的部分內容將編輯成書，以《機器學習及其套用：出版年》的形式冠名。
本書是清華大學出版社邀請第三屆和第四屆“機器學習及其套用研討會”的部分專家將其報告內容總結成文所得的文集。書中各章按作者的姓氏拼音為序，每一章將討論一個論題，以綜述的形式對該方面的研究進展加以介紹，並將報告人自己的一些研究工作嵌入其中。書中章節不僅涉及支持向量機、聚類分析、特徵選擇、維數削減、強化學習等傳統研究領域，還涉及到流形學習、半監督學習、異構數據分析、商空間等新領域，以及圖像理解、網路分析、自然語言處理等套用問題。需要注意的是，書中各章的內容僅表達該章作者本人的見解，並不代表清華大學出版社、編者及其他各章作者的學術觀點。本書的出版得到了陸汝鈐院士的支持和指導，並得到清華大學出版社計算機專著出版基金的資助，在此謹表示衷心的感謝。
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 結束語
參考文獻
平均獎賞強化學習研究
2.1 引言
2.2 MDP與SMDP
2.2.1單鏈策略疊代算法
2.2.2 值疊代算法
2.2.3 異步值疊代算法
2.3 平均獎賞動態規划算法
2.4 平均獎賞強化學習算法
2.5 基於參考狀態的平均獎賞強化學習法
2.6 仿真實驗
2.7 結束語
離階異構數據挖掘
3.1 引言
3.2 同構數據挖掘
3.2.1 譜聚類算法
3.2.2 PageRank算法
3.3 兩類異構對象的數據挖掘
3.3.1 二部圖的譜分解
3.3.2 基於資訊理論的協同聚類
3.4 高階異構數據挖掘
3.4.1 高階異構對象的建模
3.4.2 基於統一關係矩陣的方法
3.4.3 基於張量的方法
3.4.4 基於相容二部圖的方法
3.5 結束語
參考文獻
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
4.2.1線性可分SVM與最近點問題
4.2.2L2範數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問題的幾何算法
4.3.1Gilbert算法與最小範數問題
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範數SVM問題的幾何算法
4.4.1軟SK算法
4.4.2 軟MDM算法
4.5軟SK算法和軟MDM算法的一些實驗結果
4.5.1實驗方法、實驗環境與資料庫
4.5.2 軟SK算法實驗
4.5.3軟MDM算法實驗
4.6SVM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繫
4.8 結束語
參考文獻
典型相關分析研究進展
5.1引言
5.2 問題的數學刻畫
5.2.1CCA數學描述
……
6 Rashmon特徵選擇
7 複雜網路上的學習
8 聚類分析的新進展——譜聚類綜述
9 機器學習與自然語言處理
10 監督流形學習
11 超完備拓撲獨立分量分析
12 商務間框架下的機器學習方法
13 半監督學習中的協同訓練風範
參考文獻
