机器学习理论及应用PDF电子书下载

第1章 引言 1

第1篇　李群机器学习 13

第2章　李群机器学习模型 13

2.1 引言 13

2.2　李群机器学习的概念 13

2.3　李群机器学习的代数模型 24

2.4　李群机器学习的几何模型 27

2.5　李群机器学习公理假设 30

2.6　李群机器学习Dynkin图的几何学习算法 42

2.7　李群机器学习的线形分类器设计 49

2.8　本章小结 53

参考文献 53

第3章　李群机器学习（LML）子空间轨道生成算法 55

3.1 LML中偏序集及格的基本概念 55

3.2 LML子空间轨道生成格学习算法 72

3.3 LML中一般线性群GLn（Fn）作用下学习子空间轨道生成格学习算法 88

3.4　本章小结 97

参考文献 97

第4章　李群机器学习的辛群学习算法 99

4.1 问题提出 99

4.2 李群机器学习中的辛群分类器设计 105

4.3 李群机器学习中的辛群分类器算法 123

4.4　应用实例 129

4.5　本章小结 136

参考文献 136

第5章　李群机器学习的量子群学习算法 140

5.1 问题提出 140

5.2 李群机器学习中的量子群分类器构造方法 141

5.3　量子群学习算法在分子对接中的应用 149

5.4　本章小结 162

参考文献 162

第6章　李群机器学习的纤维丛学习算法 165

6.1　问题提出 165

6.2　纤维丛学习模型 166

6.3　纤维丛学习算法 171

6.4　本章小结 180

参考文献 180

第2篇　动态模糊机器学习第7章　动态模糊机器学习模型 185

7.1 问题提出 185

7.2　动态模糊机器学习模型 186

7.3　动态模糊机器学习系统的相关算法 201

7.4　动态模糊机器学习系统的过程控制模型 212

7.5　动态模糊关系学习算法 223

7.6　本章小结 230

参考文献 231

第8章 动态模糊自主学习子空间学习算法 235

8.1 自主学习研究现状分析 235

8.2　基于DFL的自主学习子空间的理论体系 238

8.3 基于DFL的自主学习子空间学习算法 242

8.4　本章小结 251

参考文献 251

第9章　动态模糊决策树学习 253

9.1　决策树学习的研究现状 253

9.2　动态模糊格的决策树方法 256

9.3　动态模糊决策树特殊属性处理技术 272

9.4　动态模糊决策树的剪枝策略 284

9.5　应用 291

9.6　本章小结 296

参考文献 297

第10章 基于DFL的多Agent学习模型 301

10.1 引言 301

10.2 基于DFL的Agent心智模型 303

10.3 基于DFL的单Agent学习算法 312

10.4　基于DFL的多Agent学习模型 317

10.5　本章小结 337

参考文献 337

第3篇　其他学习方法 343

第11章　Agent普适机器学习 343

11.1 引言 343

11.2 Agent普适机器学习 346

11.3　一种Agent普适机器学习分类器设计 358

11.4　本章小结 367

参考文献 367

第12章 贝叶斯量子随机学习算法 370

12.1 问题提出 370

12.2　相关基本理论 371

12.3 贝叶斯量子随机学习模型 387

12.4 网络结构的贝叶斯量子随机学习算法设计 395

12.5 网络参数的贝叶斯量子随机学习算法设计 403

12.6　面向缺失数据的贝叶斯量子随机学习算法设计 412

12.7　本章小结 420

参考文献 421

附录 427

附录1　拓扑群 427

附录2　微分几何概念 430

附录3　流形学习算法 431

附录4　辛群的基本概念和性质 435

附录5　量子群的基本概念 439

附录6　纤维丛 446

附录7　动态模糊集（DFS） 449

附录8　动态模糊（DF）关系 455

附录9　动态模糊逻辑 459

附录10　动态模糊格及其性质 462

中英文名词对照 467