机器学习及其应用 2009PDF电子书下载

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