机器学习及其应用 20092025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

机器学习及其应用 2009PDF格式电子书版下载

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

机器学习与人工智能&王珏1

1 引言1

2 机器学习与人工智能的不同理念4

3 统计机器学习的特点7

4 集群学习（ensemble learning）9

5 人工智能对机器学习的补充11

6 重采样方法——自助法16

7 变量稀疏化19

8 知识的集群24

9 讨论和总结27

参考文献31

关系强化学习研究&高阳 王巍巍 陈兴国 葛屾33

1 引言33

2 Tetris和强化学习解法34

2.1 Tetris34

2.2 Tetris的抽象和建模35

2.3 Tetris的强化学习解法35

2.4 状态空间抽象36

3 关系强化学习39

3.1 关系强化学习及其抽象39

3.2 逻辑决策树方法40

3.3 马尔可夫逻辑网方法44

4 结束语47

参考文献47

因果挖掘的若干统计方法&耿直49

1 引言49

2 井底之蛙：因果作用与混杂因素51

3 替罪羔羊：利用替代指标评价因果作用54

3.1 几种替代指标准则54

3.2 替代指标悖论56

3.3 一致替代指标，严格一致替代指标57

4 盲人摸象：贝叶斯网络的结构学习60

4.1 贝叶斯网络结构的分解学习方法63

4.2 贝叶斯网络结构的递归学习方法67

4.3 贝叶斯网络结构的聚类学习方法69

5 纲举目张：确定因果网络方向的主动学习方法70

5.1 各种干预方法72

5.2 各种算法的模拟比较74

6 寻根问底＋顺藤摸瓜：寻摸结果变量的原因74

6.1 外部干预下的预测问题75

6.2 局部因果挖掘的方法76

7 讨论78

参考文献79

基于学习的图像超分辨率算法&林宙辰81

1 引言81

2 基于学习的超分辨率算法综述82

2.1 间接最大后验算法82

2.2 直接最大后验算法85

2.3 基于学习的超分辨率算法的优缺点86

3 基于学习的超分辨率算法的性能极限87

3.1 什么是基于学习的超分辨率算法的极限87

3.2 期望风险的下界88

3.3 基于学习的超分辨率算法的极限90

3.4 下界的计算与阈值的选取90

3.5 讨论92

4 结语92

参考文献92

分类学习的正则化技术&薛晖 陈松灿95

1 引言95

2 经典的正则化技术96

2.1 Tikhonov正则化97

2.2 正则化网络97

2.3 支持向量机100

2.4 正则化最小二乘分类器101

2.5 流形正则化101

3 最新研究进展102

3.1 正则化分类器的泛化误差界102

3.2 正则化项的构造105

3.3 正则化参数的选择108

4 结束语109

参考文献109

Transfer Learning and Its Application for WiFi Localization ProblemsSinno Jialin Pan，Vincent Wenchen Zheng and Qiang Yang113

1 Introduction114

2 An Overview of Transfer Learning118

2.1 Instance Based Transfer Learning120

2.2 Transfer Learning Through Dimensionality Reduction121

2.3 Transfer Learning Through Self-taught Clustering123

3 WiFi Localization in Indoor Environments124

4 Transfer Learning for WILP126

4.1 Transferring Localization Models over Time126

4.2 Transferring Localization Models across Space130

4.3 Transferring Localization Models across Devices131

5 Experiments and Discussion134

5.1 ICDM 2007 Data Mining Contest Dataset134

5.2 Experimental Results135

6 Conclusion and Future Work135

References136

关于boosting算法的margin解释&王立威 景兆祥142

1 引言142

2 背景与相关工作144

3 主要结果146

4 对Emargin上界的解释148

5 证明149

5.1 定理3的证明149

5.2 命题1的证明152

5.3 定理4的证明153

5.4 定理5的证明153

5.5 定理6的证明154

6 实验157

7 结论158

参考文献158

最大间隔聚类快速算法研究&张长水 赵斌160

1 引言160

1.1 支持向量机160

1.2 最大间隔聚类161

1.3 国内外研究现状163

2 两类问题的最大间隔聚类算法165

2.1 优化问题的等价转化165

2.2 切平面算法168

3 多类问题的最大间隔聚类算法176

3.1 切平面算法176

4 实验分析181

4.1 实验数据集182

4.2 评价标准183

4.3 对比算法以及参数选择184

4.4 聚类精度比较184

4.5 聚类速度比较186

4.6 约束凹凸规划平均迭代次数187

4.7 切平面算法计算时间与数据集规模的关系189

4.8 参数ε对切平面算法精度以及速度的影响190

4.9 参数C对切平面算法精度以及速度的影响192

5 总结192

参考文献192

自适应K段主曲线&张军平194

1 引言194

2 主曲线综述195

2.1 主曲线初步195

2.2 主曲线发展历史196

3 自适应K段主曲线200

3.1 引入先验知识201

3.2 顶点移除201

3.3 自适应K段主曲线实现202

4 实验205

5 应用：高精度GPS学习208

6 讨论210

7 总结211

附录212

A.1 投影步骤细节212

A.2 优化步骤细节212

A.3 GPS精度的改进213

参考文献214

MIML：多示例多标记学习&周志华 张敏灵218

1 引言218

2 MIML框架219

3 MIML学习算法222

3.1 基于退化策略的MIML学习算法222

3.2 基于正则化的MIML学习算法224

4 利用MIML学习单示例样本229

5 利用MIML学习复杂高层概念230

6 结束语233

参考文献233