机器学习及其应用2009

机器学习与人工智能 1 引言 2 机器学习与人工智能的不同理念 3 统计机器学习的特点 4 集群学习(ensemble learning) 5 人工智能对机器学习的补充 6 重采样方法——自助法 7 变量稀疏化 8 知识的集群 9 讨论和总结 参考文献关系强化学习研究 1 引言 2 Tetris和强化学习解法 2.1 Tetris 2.2 Tetris的抽象和建模 2.3 Tetris的强化学习解法 2.4 状态空间抽象 3 关系强化学习 3.1 关系强化学习及其抽象 3.2 逻辑决策树方法 3.3 马尔可夫逻辑网方法 4 结束语 参考文献因果挖掘的若干统计方法 1 引言 2 井底之蛙：因果作用与混杂因素 3 替罪羔羊：利用替代指标评价因果作用 3.1 几种替代指标准则 3.2 替代指标悖论 3.3 一致替代指标，严格一致替代指标 4 盲人摸象：贝叶斯网络的结构学习 4.1 贝叶斯网络结构的分解学习方法 4.2 贝叶斯网络结构的递归学习方法 4.3 贝叶斯网络结构的聚类学习方法 5 纲举目张：确定因果网络方向的主动学习方法 5.1 各种干预方法 5.2 各种算法的模拟比较 6 寻根问底+顺藤摸瓜：寻摸结果变量的原因 6.1 外部干预下的预测问题 6.2 局部因果挖掘的方法 7 讨论 参考文献基于学习的图像超分辨率算法 1 引言 2 基于学习的超分辨率算法综述 2.1 间接最大后验算法 2.2 直接最大后验算法 2.3 基于学习的超分辨率算法的优缺点 3 基于学习的超分辨率算法的性能极限 3.1 什么是基于学习的超分辨率算法的极限 3.2 期望风险的下界 3.3 基于学习的超分辨率算法的极限 3.4 下界的计算与阈值的选取 3.5 讨论 4 结语 参考文献分类学习的正则化技术 1 引言 2 经典的正则化技术 2.1 Tikhonov正则化 2.2 正则化网络 2.3 支持向量机 2.4 正则化最小二乘分类器 2.5 流形正则化 3 最新研究进展 3.1 正则化分类器的泛化误差界 3.2 正则化项的构造 3.3 正则化参数的选择 4 结束语参考文献Transfer Learning and Its Application for WiFi Localization ProblemsSinno Jialin Pan, Vincent Wenchen Zheng and Qiang Yang 1 Introduction 2 An Overview of Transfer Learning 2.1 Instance Based Transfer Learning 2.2 Transfer Learning Through Dimensionality Reduction 2.3 Transfer Learning Through Selftaught Clustering 3 WiFi Localization in Indoor Environments 4 Transfer Learning for WILP 4.1 Transferring Localization Models over Time 4.2 Transferring Localization Models across Space 4.3 Transferring Localization Models across Devices 5 Experiments and Discussion 5.1 ICDM 2007 Data Mining Contest Dataset 5.2 Experimental Results 6 Conclusion and Future Work References关于boosting算法的margin解释 1 引言 2 背景与相关工作 3 主要结果 4 对Emargin上界的解释 5 证明 5.1 定理3的证明 5.2 命题1的证明 5.3 定理4的证明 5.4 定理5的证明 5.5 定理6的证明 6 实验 7 结论 参考文献最大间隔聚类快速算法研究 1 引言 1.1 支持向量机 1.2 最大间隔聚类 1.3 国内外研究现状 2 两类问题的最大间隔聚类算法 2.1 优化问题的等价转化 2.2 切平面算法 3 多类问题的最大间隔聚类算法 3.1 切平面算法 4 实验分析 4.1 实验数据集 4.2 评价标准 4.3 对比算法以及参数选择 4.4 聚类精度比较 4.5 聚类速度比较 4.6 约束凹凸规划平均迭代次数 4.7 切平面算法计算时间与数据集规模的关系 4.8 参数ε对切平面算法精度以及速度的影响 4.9 参数C对切平面算法精度以及速度的影响 5 总结 参考文献自适应K段主曲线 1 引言 2 主曲线综述 2.1 主曲线初步 2.2 主曲线发展历史 3 自适应K段主曲线 3.1 引入先验知识 3.2 顶点移除 3.3 自适应K段主曲线实现 4 实验 5 应用：高精度GPS学习 6 讨论 7 总结 附录 A.1 投影步骤细节 A.2 优化步骤细节 A.3 GPS精度的改进 参考文献MIML：多示例多标记学习 1 引言 2 MIML框架 3 MIML学习算法 3.1 基于退化策略的MIML学习算法 3.2 基于正则化的MIML学习算法 4 利用MIML学习单示例样本 5 利用MIML学习复杂高层概念 6 结束语 参考文献

机器学习与人工智能 1 引言 2 机器学习与人工智能的不同理念 3 统计机器学习的特点 4 集群学习(ensemble learning) 5 人工智能对机器学习的补充 6 重采样方法——自助法 7 变量稀疏化 8 知识的集群 9 讨论和总结 参考文献关系强化学习研究 1 引言 2 Tetris和强化学习解法 2.1 Tetris 2.2 Tetris的抽象和建模 2.3 Tetris的强化学习解法 2.4 状态空间抽象 3 关系强化学习 3.1 关系强化学习及其抽象 3.2 逻辑决策树方法 3.3 马尔可夫逻辑网方法 4 结束语 参考文献因果挖掘的若干统计方法 1 引言 2 井底之蛙：因果作用与混杂因素 3 替罪羔羊：利用替代指标评价因果作用 3.1 几种替代指标准则 3.2 替代指标悖论 3.3 一致替代指标，严格一致替代指标 4 盲人摸象：贝叶斯网络的结构学习 4.1 贝叶斯网络结构的分解学习方法 4.2 贝叶斯网络结构的递归学习方法 4.3 贝叶斯网络结构的聚类学习方法 5 纲举目张：确定因果网络方向的主动学习方法 5.1 各种干预方法 5.2 各种算法的模拟比较 6 寻根问底+顺藤摸瓜：寻摸结果变量的原因 6.1 外部干预下的预测问题 6.2 局部因果挖掘的方法 7 讨论 参考文献基于学习的图像超分辨率算法 1 引言 2 基于学习的超分辨率算法综述 2.1 间接最大后验算法 2.2 直接最大后验算法 2.3 基于学习的超分辨率算法的优缺点 3 基于学习的超分辨率算法的性能极限 3.1 什么是基于学习的超分辨率算法的极限 3.2 期望风险的下界 3.3 基于学习的超分辨率算法的极限 3.4 下界的计算与阈值的选取 3.5 讨论 4 结语 参考文献分类学习的正则化技术 1 引言 2 经典的正则化技术 2.1 Tikhonov正则化 2.2 正则化网络 2.3 支持向量机 2.4 正则化最小二乘分类器 2.5 流形正则化 3 最新研究进展 3.1 正则化分类器的泛化误差界 3.2 正则化项的构造 3.3 正则化参数的选择 4 结束语参考文献Transfer Learning and Its Application for WiFi Localization ProblemsSinno Jialin Pan, Vincent Wenchen Zheng and Qiang Yang 1 Introduction 2 An Overview of Transfer Learning 2.1 Instance Based Transfer Learning 2.2 Transfer Learning Through Dimensionality Reduction 2.3 Transfer Learning Through Selftaught Clustering 3 WiFi Localization in Indoor Environments 4 Transfer Learning for WILP 4.1 Transferring Localization Models over Time 4.2 Transferring Localization Models across Space 4.3 Transferring Localization Models across Devices 5 Experiments and Discussion 5.1 ICDM 2007 Data Mining Contest Dataset 5.2 Experimental Results 6 Conclusion and Future Work References关于boosting算法的margin解释 1 引言 2 背景与相关工作 3 主要结果 4 对Emargin上界的解释 5 证明 5.1 定理3的证明 5.2 命题1的证明 5.3 定理4的证明 5.4 定理5的证明 5.5 定理6的证明 6 实验 7 结论 参考文献最大间隔聚类快速算法研究 1 引言 1.1 支持向量机 1.2 最大间隔聚类 1.3 国内外研究现状 2 两类问题的最大间隔聚类算法 2.1 优化问题的等价转化 2.2 切平面算法 3 多类问题的最大间隔聚类算法 3.1 切平面算法 4 实验分析 4.1 实验数据集 4.2 评价标准 4.3 对比算法以及参数选择 4.4 聚类精度比较 4.5 聚类速度比较 4.6 约束凹凸规划平均迭代次数 4.7 切平面算法计算时间与数据集规模的关系 4.8 参数ε对切平面算法精度以及速度的影响 4.9 参数C对切平面算法精度以及速度的影响 5 总结 参考文献自适应K段主曲线 1 引言 2 主曲线综述 2.1 主曲线初步 2.2 主曲线发展历史 3 自适应K段主曲线 3.1 引入先验知识 3.2 顶点移除 3.3 自适应K段主曲线实现 4 实验 5 应用：高精度GPS学习 6 讨论 7 总结 附录 A.1 投影步骤细节 A.2 优化步骤细节 A.3 GPS精度的改进 参考文献MIML：多示例多标记学习 1 引言 2 MIML框架 3 MIML学习算法 3.1 基于退化策略的MIML学习算法 3.2 基于正则化的MIML学习算法 4 利用MIML学习单示例样本 5 利用MIML学习复杂高层概念 6 结束语 参考文献
· · · · · · (收起)