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