目录 1
第一部分 关于机器学习的一般论题 1
第一章 机器学习概述 1
1.1 引言 1
1.2 机器学习的目标 1
1.3 机器学习研究的分类 3
1.4 机器学习的历史概况 8
1.5 读者指南简介 10
第二章 机器为什么应该学习 14
2.1 引言 14
2.2 人类学习与机器学习 14
2.3 什么是学习 16
2.4 一些学习程序 18
2.5 大系统中知识的生长 19
2.6 学习所起的作用 20
2.7 结束语 21
第二部分 从例子中学习 23
第三章 对几种从例子中学习的方法进行分析和比较 23
3.1 引言 23
3.2 所选方法的比较综述 28
3.3 结束语 47
第四章 归纳学习的理论和方法学 49
4.1 引言 49
4.2 归纳学习的类型 52
4.3 描述语言 56
4.4 问题背景知识 57
4.5 一般化规则 62
4.6 STAR方法 69
4.7 举例 72
4.8 结束语 76
附录 带注释的谓词演算（APC） 77
第三部分 问题求解和在规划中学习 81
第五章 通过类推进行学习：由过去的经验形成规划并加以一般化 81
5.1 引言 81
5.2 应用类推进行问题求解 82
5.3 评价类推推理过程 89
5.4 学习一般化规划 90
5.5 结论性评述 95
第六章 通过实验学习：获取和求精问题求解启发式 96
6.1 引言 96
6.2 问题 96
6.3 LEX的设计 98
6.4 新方向：增加知识，提高学习 107
6.5 总结 113
7.1 引言 114
第七章 几何证明技巧的获取 114
7.2 一个证明技巧的生成模型 115
7.3 学习 120
7.4 知识编译 120
7.5 几何学习的总结 131
第八章 使用证明和反驳从经验中学习 133
8.1 引言 133
8.2 学习周期 133
8.3 五种纠正被证伪理论的启发式方法 135
8.4 计算问题和实现技术 142
8.5 结论 145
第四部分 从观察和发现中学习 146
第九章 启发式在通过发现学习中的作用：三个实例的研究 146
9.1 动机 146
9.2 概述 147
9.3 实例研究1：AM程序；用于产生新知识的启发式 149
9.4 启发式理论 160
9.5 实例研究2： EURISKO程序；用于产生新启发式的启发式 168
9.6 用于产生知识表示的启发式 173
9.7 实例研究3：生物进化；用于产生合情突变的启发式 175
9.8 结论 188
第十章 BACON系统重新发现化学定律 190
10.1 引言 190
10.2 BACON.4概述 191
10.3 BACON.4的发现 193
10.4 重新发现19世纪的化学定律 199
10.5 结论 203
第十一章 从观察中学习：概念聚类 206
11.1 引言 206
11.2 概念内聚 207
11.3 算法中涉及到的术语和基本操作 208
11.4 聚类质量的标准 214
11.5 方法及其实现 215
11.6 一个实际问题的例子：构造一个西班牙民歌的分类层次结构 222
11.7 总结及其扩充该方法的一些建议 224
第五部分 根据示教学习 226
第十二章 由建议向启发式搜索过程的机器转换 226
12.1 引言 226
12.2 有关的知识 228
12.3 启发式搜索的不太标准的定义 231
12.4 对一个给定问题，例化HSM模式 234
12.5 通过在控制部分之间移动约束条件来精炼HSM 240
12.6 对通用性的评价 250
12.7 结束语 250
附录 规则索引 251
第十三章 通过被告知学习：信息管理系统知识的获取 252
13.1 概述 252
13.2 技术探讨：有关KLAUS的试验 253
13.3 进一步的技术细节 258
13.4 结论和今后工作的方向 261
附录 训练NANOKLAUS学习有关航空母舰的知识 262
第十四章 可示教产生式系统：回顾分析 268
14.1 可示教产生式系统计划 268
14.2 可示教系统的基本功能部件 274
14.3 IPS的实验系统综述 280
14.4 讨论 289
第六部分 学习系统的应用 292
第十五章 学习高效率的分类过程和它们在国际象棋残局中的应用 292
15.1 引言 292
15.2 归纳推理机制 293
15.3 n回合输棋试验 296
15.4 近似分类规则 299
15.5 有关寻找属性的一些想法 301
15.6 结束语 303
第十六章 智能化计算机辅助教学系统中的学生模型推导 304
16.1 引言 304
16.2 产生一个完备的、无冗余的模型集 307
16.3 处理领域知识 317
16.4 结束语 321
附录 SELECTIVE算法的一个例子：LMS-I的模型生成算法 321
参考文献 323
综合文献目录 345
综合文献 348
词汇表——机器学习中用到的部分术语 380
主题索引 387