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