机器学习及其应用 2013PDF电子书下载

Learning Sparse Topical Representations&Jun Zhu Aonan Zhang Eric P.Xing 1

1 Introduction 1

2 Related Work 4

2.1 Probabilistic LDA 5

2.2 Non-negative Matrix Factorization 6

3 Sparse Topical Coding 7

3.1 A Probabilistic Generative Process 8

3.2 STC for MAP Estimation 9

3.3 Optimization with Coordinate Descent 12

4 Extensions 14

4.1 Collapsed STC 14

4.2 Supervised Sparse Topical Coding 15

5 Experiments 16

5.1 Sparse Word Code 17

5.2 Prediction Accuracy 19

5.3 Time Efficiency 21

6 Conclusion 22

References 23

多视图在利用未标记数据学习中的效用&王魏 周志华 27

1 引言 27

2 多视图在半监督学习中的效用 29

3 多视图在主动学习中的效用 34

4 多视图在主动半监督学习中的效用 37

5 视图分割 38

6 结束语 39

参考文献 40

知识挖掘与用户建模&王海峰 赵世奇 向伟 徐倩 田浩 吴甜 47

1 引言 47

2 技术综述 49

3 本体知识体系构建 51

3.1 知识挖掘 52

3.2 知识加工 54

3.3 语义计算 55

3.4 实验结果 57

3.5 基于本体知识的需求主题体系构建 60

4 跨产品用户日志挖掘 61

4.1 技术框架 61

4.2 跨产品用户数据session分割 62

4.3 跨产品用户数据关注点挖掘 63

5 用户建模 64

5.1 用户属性建模 64

5.2 用户兴趣建模 67

5.3 用户状态建模 68

5.4 多维度用户行为分析模型 73

5.5 用户兴趣模型的地域性关联分析 76

6 结语 76

参考文献 77

异质人脸图像合成&高新波 王楠楠 79

1 引言 79

2 基于子空间学习的图像合成方法 80

2.1 基于线性子空间学习的方法 80

2.2 基于流形学习的方法 82

3 基于贝叶斯推理的合成方法 82

3.1 基于嵌入式隐马尔科夫模型的方法 82

3.2 基于马尔科夫随机场的方法 85

4 基于人脸幻像思想的合成方法 86

5 实验结果 89

6 结束语 91

参考文献 92

面向高维多视图数据的广义相关分析&陈晓红 陈松灿 95

1 引言 95

1.1 多视图数据 95

1.2 数据降维的意义与方法 97

2 基于相关分析的降维方法所面临的问题与解决方案 99

2.1 忽视多视图数据的监督信息 99

2.2 要求不同视图间的数据全配对 101

2.3 现有解决方案 101

3 我们的研究工作 103

3.1 半配对局部相关分析 103

3.2 半监督半配对广义相关分析 110

3.3 邻域相关分析 121

4 小结 127

参考文献 128

基于向量场的流形学习和排序&何晓飞 133

1 引言 133

2 平行向量场和线性函数 134

2.1 流形上半监督学习问题 134

2.2 平行向量场和线性函数 135

2.3 目标函数 136

3 离散化和优化 137

3.1 切空间和向量场离散化 137

3.2 梯度场计算 137

3.3 平行向量场计算 138

3.4 离散形式的目标函数 139

3.5 目标函数优化 140

4 基于平行向量场正则化的排序 141

4.1 向量场正则化 142

4.2 R1和R2的离散化 143

4.3 目标函数离散化 143

4.4 目标函数优化 144

4.5 实验 145

5 结束语与展望 146

参考文献 146

秩极小化：理论、算法与应用&林宙辰 149

1 引言 149

2 主要数学模型 151

3 理论分析 152

4 算法 153

4.1 加速近邻梯度法及其推广 154

4.2 交错方向法及其线性化 157

4.3 奇异值分解的计算 159

5 应用 160

5.1 背景建模 160

5.2 图像批量对齐 160

5.3 变换不变低秩纹理 161

5.4 运动分割 163

5.5 图像分割 164

5.6 图像显著区域检测 164

6 结束语 166

参考文献 166

实值多变量维数约简&单洪明 张军平 夏威 171

1 引言 171

2 实值多变量维数约简 172

2.1 切片逆回归法 173

2.2 切片逆回归的推广 175

2.3 主Hessian方向 175

2.4 子空间简介 176

2.5 稀疏充分维数约简 180

2.6 核维数约简 181

2.7 最小平方维数约简 185

3 树形结构的核维数约简 186

3.1 动机 186

3.2 树形算法的介绍 187

3.3 （残差）树形核维数约简 187

3.4 实验部分 189

3.5 结论 195

4 核维数约简在人群计数中的应用 196

4.1 核维数约简 196

4.2 多核学习 197

5 结论 199

参考文献 201