图书介绍
机器学习及其应用 2009pdf电子书版本下载
- 周志华，王珏主编 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302204190
- 出版时间：2009
- 标注页数：234页
- 文件大小：86MB
- 文件页数：247页
- 主题词：机器学习
PDF下载
下载说明
机器学习及其应用 2009PDF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
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 Tetris 34
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 Yang 113
1 Introduction 114
2 An Overview of Transfer Learning 118
2.1 Instance Based Transfer Learning 120
2.2 Transfer Learning Through Dimensionality Reduction 121
2.3 Transfer Learning Through Self-taught Clustering 123
3 WiFi Localization in Indoor Environments 124
4 Transfer Learning for WILP 126
4.1 Transferring Localization Models over Time 126
4.2 Transferring Localization Models across Space 130
4.3 Transferring Localization Models across Devices 131
5 Experiments and Discussion 134
5.1 ICDM 2007 Data Mining Contest Dataset 134
5.2 Experimental Results 135
6 Conclusion and Future Work 135
References 136
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