图书介绍
机器学习与数据挖掘：方法和应用pdf电子书版本下载
- （美）RyszardS.MichalskiIvanBratkoMiroslavKubat等著；朱明等译 著
- 出版社： 北京：电子工业出版社
- ISBN：7505392247
- 出版时间：2004
- 标注页数：423页
- 文件大小：75MB
- 文件页数：444页
- 主题词：机器学习；数据采集
PDF下载
下载说明
机器学习与数据挖掘：方法和应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
目录 2
第1部分 基本概念 2
第1章 机器学习方法概述 2
1.1 导论 2
1.2 机器学习任务 4
1.2.1 认知观点 5
1.2.2 表示问题 7
1.3 泛化空间的搜索 11
1.3.1 学习的归纳本质 11
1.3.2 穷尽搜索 13
1.3.3 启发式搜索 14
1.4 学习经典任务 16
1.4.1 分而治之学习法 16
1.4.2 主动覆盖：AQ学习 24
1.4.3 学习算法评估 27
1.5 如何利用谓词逻辑 29
1.5.1 从关系中学习Horn子句 30
1.5.2 反转归并 34
1.5.3 理论修正 36
1.5.4 构造归纳 38
1.6 人工发现 40
1.6.1 概念形成 41
1.6.2 寻找自然定律 46
1.6.3 动态系统的发现 49
1.7 如何处理搜索空间过大 50
1.7.1 类比提供搜索启发 50
1.7.2 基于示例学习 51
1.8 机器学习的近邻 53
1.8.1 人工神经网络 53
1.8.2 遗传算法 55
1.9 混合系统与多策略学习 57
1.9.1 熵网络 58
1.9.2 基于知识的神经网络 59
1.9.3 AQ泛化中的遗传搜索 60
1.9.4 GA与神经网络的结合 61
1.10 展望 61
参考文献 62
第2章 数据挖掘与知识发现：对问题和多策略方法的回顾 65
2.1 前言 65
2.2 机器学习与多策略数据分析 67
2.2.1 从具体实例中抽取通用规则 68
2.2.2 概念聚类 72
2.2.3 构造性归纳 73
2.2.4 选择最有代表性的样本 74
2.2.5 定性与定量结合的发现 75
2.2.6 定性预测 75
2.2.7 基于机器学习方法的总结 77
2.3 数据分析任务中的分类 78
2.4 INLEN中各操作的集成 81
2.5 聚类和学习操作的说明 84
2.6 数据与规则的可视化 86
2.7 结构属性的规则学习 89
2.8 从决策规则中学习决策结构 91
2.9 表示空间的自动改善 93
2.9.1 确定最相关的属性 93
2.9.2 新属性的产生 94
2.10 应用展示：经济与人口统计数据中的发现 94
2.10.1 背景 94
2.10.2 实验1：多操作的集成 95
2.10.3 实验2：子群中的异常识别 96
2.10.4 实验3：利用结构属性 97
2.10.5 实验4：利用构造性归纳运算操作 99
2.11 总结 100
参考文献 101
第3章 机器学习在多个领域的应用 102
3.1 前言 102
3.2 规则归纳在多个领域中的应用 103
3.2.1 提高化工过程控制中的产量 103
3.2.2 信用评估决策 104
3.2.3 机械设备故障诊断 105
3.2.4 天体对象的自动分类 106
3.2.6 减少照排印刷时的条纹现象 107
3.2.5 监测旋转乳液的质量 107
3.2.7 改善油气分离质量 108
3.2.8 预防电力变压器故障 109
3.2.9 规则归纳在其他领域的应用 110
3.3 规则归纳的其他应用研究 110
3.3.1 填表工作的自动化 111
3.3.2 支持知识库维护 111
3.3.3 航天飞机引擎的测试 112
3.3.4 严重暴风雨的预报 112
3.3.5 直升机叶片的修理 112
3.3.8 更多应用及其相关方法 113
3.3.6 预测蛋白质结构 113
3.3.7 钢厂调度自动化 113
3.4 若干策略和经验 114
3.4.1 问题的明确描述 114
3.4.2 确定表示方法 115
3.4.3 训练数据的收集 115
3.4.4 评估学习获得的知识 116
3.4.5 知识库的具体应用 116
3.4.6 机器学习应用的效能来源 117
参考文献 118
4.1 前言 120
第4章 归纳逻辑编程的应用 120
4.2 ILP方法与其他机器学习方法的比较 122
4.3 预测化合物的诱变性 123
4.4 放电机器中的技能重建 125
4.4.1 表示方法的设计 125
4.4.2 学习结果和专家评估 126
4.5 ILP的一些其他应用 128
4.6 总结 130
参考文献 131
5.1 简介 134
第2部分 设计与工程 134
第5章 机器学习在有限元计算中的应用 134
5.2 向FEM产生器添加一个专家系统 136
5.3 学习问题、实例和背景知识 137
5.3.1 问题的关系特性 137
5.3.2 实例来源 137
5.3.3 正面实例 138
5.3.4 反面实例 139
5.3.5 背景知识 139
5.3.6 学习集概要 141
5.4.1 GOLEM的实验 142
5.4 以前的实验 142
5.4.2 FOIL的实验 143
5.4.3 mFOIL的实验 144
5.4.4 CLAUDIEN的实验 144
5.4.5 MILP的实验 144
5.4.6 FOSSIL的实验 145
5.4.7 属性值算法的实验 145
5.5 选择一个合适的学习算法 145
5.6 根据CLAUDIEN学习 147
5.7 归纳的规则的后期处理 150
5.8 结果 152
5.8.1 知识库与ES Shell 152
5.8.2 对专家系统的评价 153
5.9 总结 156
参考文献 157
第6章 归纳学习和基于事例的推理在工业机器故障检测方面的应用 159
6.1 简介 159
6.2 归纳学习与基于事例的推理 160
6.4 应用 162
6.3 更好地利用经验 162
6.4.1 CFM 56-3引擎的故障检测 163
6.4.2 机器人轴心的故障检测 165
参考文献 168
第7章 经验装配序列规划：多策略构造学习方法 170
7.1 前言 170
7.2 NOMAD中的表示与规划 172
7.3 多策略构造学习 176
7.4 NOMAD的学习场景 177
7.5 与先前研究进行比较 181
7.6 结束语 183
参考文献 184
第8章 归纳学习设计入门：关于防摩擦轴承系统的 186
设计方法和实例研究 186
8.1 导论 186
8.2 一种学习设计规则的方法 187
8.2.1 概述 187
8.2.2 学习规则集的经验性错误 188
8.2.3 应用已学习到的规则处理新例子 189
8.3 一个示范问题的描述 189
8.4 归纳方法的应用 191
8.4.1 变量的定性值 192
8.5 训练与事件测试 193
8.5.1 设计知识源 193
8.5.2 样本数据库 194
8.6 结果分析 194
8.6.1 从训练样本中学习规则 195
8.6.2 以递增学习方法评估预备样本 196
8.6.3 得到结果的可信度 197
8.7 总结 199
参考文献 200
9.1 介绍 202
第3部分 文本、图像和音乐模式的测定 202
第9章 找出文本之间的关联 202
9.2 FACT系统结构 204
9.3 关联 207
9.4 查询语言 208
9.5 查询操作 210
9.6 关系表达式 213
9.7 对新闻数据运用FACT系统 213
9.8 总结 216
参考文献 217
10.1 导论 220
第10章 学习图像中的模式 220
10.2 计算机视觉中机器学习的研究工作 221
10.3 室外场景彩色图像的语义解释 224
10.3.1 MIST方法 224
10.3.2 实现和实验结果 226
10.4 检查行李X光图像中的引爆雷管 229
10.4.1 预备知识 229
10.4.2 问题描述 231
10.4.3 方法和实验结果 232
10.5.1 来自动作的功能 234
10.5 视频图像序列中的动作识别 234
10.5.2 运动的计算 236
10.5.3 实验 238
10.6 结论与未来的研究 242
10.6.1 室外场景彩色图像的语义解释 242
10.6.2 行李X管图像中的引爆雷管检测 242
10.6.3 识别视频图像序列中的动作 242
10.6.4 在视觉系统中结合学习的优点 243
参考文献 244
11.1 介绍 246
表达现象的经验调查 246
第11章 机器学习在音乐研究领域的应用：深入音乐 246
11.2 学习对象：富有表现力的音乐演奏 248
11.3 背景知识的特性和价值 248
11.4 方法一：在音乐符号的层次上学习 250
11.4.1 目标概念 251
11.4.2 定性的领域理论 251
11.4.3 IBL-SMART学习算法 254
11.4.4 实验 255
11.5 方法二：在结构层次上学习 258
11.5.1 实验 260
11.6 对真实艺术的演奏的一次机器学习分析 263
11.7 实验结果的讨论 266
11.7.1 定量的分析 267
11.7.2 对于音乐理论有用的定性结果 269
11.8 总结 269
参考文献 270
第4部分 计算机系统和控制系统 274
第12章 网页哨兵：万维网页学习者 274
12.1 概述 274
12.2 网页哨兵 274
12.3.2 怎样描述Pages，Links和Goals 280
12.3.1 该学些什么 280
12.3 学习 280
12.3.3 应该用什么样的学习方法 282
12.4 实验结果 283
12.4.1 UserChoice？能学习到多精确的程度 283
12.4.2 牺牲覆盖率能改进准确率吗 285
12.5 总结 286
参考文献 287
第13章 计算机病毒的生物启发式防御 288
13.1 介绍 288
13.2.1 计算机病毒 289
13.2 背景 289
13.2.2 病毒的检测、清除和分析 290
13.3 病毒种类的检测 291
13.3.1 特征选取 294
13.3.2 分类器的训练和性能 295
13.4 计算机免疫系统 296
13.4.1 未知检测 298
13.4.2 扫描已知病毒 299
13.4.3 清除病毒 300
13.4.4 诱饵 300
13.4.5 病毒自动分析 301
13.4.6 自动特征抽取 302
13.4.7 免疫的记忆 304
13.4.8 用自我复制对付自我复制 304
13.5 结论与展望 305
参考文献 306
第14章 控制技术的行为复制 308
14.1 引言 308
14.2 行为复制 310
14.3.1 问题 311
14.3 杆平衡 311
14.3.3 时间延迟 312
14.3.4 清除效果（Clean-up Effect） 312
14.3.2 杆的选择 312
14.3.5 敏感性 313
14.3.6 归纳规则的透明性 314
14.4 学习飞行 314
14.4.1 问题 314
14.4.2 样本选择 315
14.4.3 时间延迟 315
14.4.5 敏感性 316
14.4.4 清除效果 316
14.4.6 归纳规则的透明度 317
14.5 集装箱起重机 317
14.5.1 问题 317
14.5.2 选择例子 318
14.5.3 时间延迟 319
14.5.4 清除效果 319
14.5.5 敏感性 320
14.5.6 推导规则的透明度 321
14.6.3 时延 322
14.6.2 样本的选择 322
14.6 生产线调度 322
14.6.1 问题 322
14.6.4 清除效果 323
14.6.5 敏感性 323
14.6.6 归纳规则的透明度 323
14.7 讨论 323
参考文献 325
第15章 空中交通控制一阶知识的获取 327
15.1 引言 327
15.2.1 零阶与一阶表示的对比 330
15.2 基于知识的关系归纳 330
15.2.2 OGUST介绍 333
15.3 ATC的应用 341
15.3.1 简介 341
15.3.2 选择表示语言 341
15.3.3 确定要学习的概念 341
15.3.4 获取例子并重写它们 342
15.3.5 用Horn子句重写背景知识 353
15.3.6 算法对结构化对象的应用 355
15.3.7 重写归纳 357
15.4 总结 360
参考文献 362
第5部分 医学和生物学 366
第16章 机器学习在医学诊断中的应用 366
16.1 介绍 366
16.2 医学诊断 367
16.3 医生与机器学习诊断结果的比较 368
16.4 选择适当的机器学习系统 370
16.4.1 机器学习系统的具体要求 371
16.4.2 测试的算法描述 372
16.4.3 医学问题上算法效果的比较 374
16.4.4 医学诊断的实用性 375
16.5 实践中的认同 378
16.6 总结 379
参考文献 381
第17章 学习对生物医学信号进行分类 383
17.1 介绍 383
17.2 两个医学领域 384
17.2.1 睡眠分类 384
17.2.2 从脑电波信号中识别肌肉运动指令 386
17.3 基于神经网络初始化的决策树方法 388
17.3.1 TBNN基本思想 389
17.3.2 初始化权值和相邻层的完全连接 390
17.3.3 弱化间隔和神经网络的微调 392
17.4 基于树的RBF网络初始化 393
17.4.1 RBF网络及其参数 393
17.4.2 基于参数设置的决策树 395
17.5 试验 396
17.6 讨论 399
参考文献 401
第18章 机器学习在河流水质的生物分类中的应用 402
18.1 简介 402
18.2 英国河流生物分类中的规则学习 404
18.2.1 数据 405
18.2.2 实验 406
18.3 对斯洛文尼亚河流数据的分析 410
18.3.1 理化参数对选定生物体的影响 412
18.3.2 生物分类 416
18.4 讨论 419
参考文献 421