機(jī)器學(xué)習(xí)及其應(yīng)用2007

1 圖象空間中的距離
　1.1　引言
　1.2　兩副圖象間的距離
　1.3　兩組圖象間的距離
　1.4　結(jié)束語(yǔ)
　參考文獻(xiàn)
2　平均獎(jiǎng)賞強(qiáng)化學(xué)習(xí)研究
　2.1　引言
　2.2　MDP與SMDP
2.2.1 單鏈策略迭代算法
　　2.2.2　值迭代算法
　　2.2.3　異步值迭代算法
　2.3　平均獎(jiǎng)賞動(dòng)態(tài)規(guī)劃算法
　2.4　平均獎(jiǎng)賞強(qiáng)化學(xué)習(xí)算法
　2.5　基于參考狀態(tài)的平均獎(jiǎng)賞強(qiáng)化學(xué)習(xí)法
　2.6　仿真實(shí)驗(yàn)
　2.7　結(jié)束語(yǔ)
3　離階異構(gòu)數(shù)據(jù)挖掘
　3.1　引言
　3.2　同構(gòu)數(shù)據(jù)挖掘
　　3.2.1　譜聚類算法
　　3.2.2　Page Rank算法
　3.3　兩類異構(gòu)對(duì)象的數(shù)據(jù)挖掘
3.3.1　二部圖的譜分解
3.3.2　基于信息論的協(xié)同聚類
3.4　高階異構(gòu)數(shù)據(jù)挖掘
3.4.1　高階異構(gòu)對(duì)象的建模
3.4.2　基于統(tǒng)一關(guān)系矩陣的方法
3.4.3　基于張量的方法
3.4.4　基于相容二部圖的方法
　3.5　結(jié)束語(yǔ)
參考文獻(xiàn)
4 求解SVM的幾何方法研究
4.1 引言
4.2　求解SVM幾何方法的理論基礎(chǔ)
4.2.1 線性可分SVM與最近點(diǎn)問(wèn)題
4.2.2 L2范數(shù)SVM及其幾何解釋
4.2.3 軟凸包與V—SVM的幾何解釋
4.3 求解線性可分SVM問(wèn)題的幾何算法
4.3.1 Gilbert算法與最小范數(shù)問(wèn)題
4.3.2 可分情形下的SK算法
4.3.3 可分情形下的MDM算法
4.4　求解L1范數(shù)SVM問(wèn)題的幾何算法
4.4.1 軟SK算法
4.4.2　軟MDM算法
4.5 軟SK算法和軟MDM算法的一些實(shí)驗(yàn)結(jié)果
4.5.1 實(shí)驗(yàn)方法、實(shí)驗(yàn)環(huán)境與數(shù)據(jù)庫(kù)
4.5.2　軟SK算法實(shí)驗(yàn)
4.5.3 軟MDM算法實(shí)驗(yàn)
4.6 SVM的最小球覆蓋解釋與近似最小球覆蓋算法求解
4.7　SMO與幾何算法之間的聯(lián)系
4.8　結(jié)束語(yǔ)
參考文獻(xiàn)
5　典型相關(guān)分析研究進(jìn)展
5.1 引言
5.2　問(wèn)題的數(shù)學(xué)刻畫
5.2.1 CCA數(shù)學(xué)描述
　　……
6　Rashmon特征選擇
7　復(fù)雜網(wǎng)絡(luò)上的學(xué)習(xí)
8　聚類分析的新進(jìn)展——譜聚類綜述
9　機(jī)器學(xué)習(xí)與自然語(yǔ)言處理
10　監(jiān)督流形學(xué)習(xí)
11　超完備拓?fù)洫?dú)立分量分析
12　商務(wù)間框架下的機(jī)器學(xué)習(xí)方法
13　半監(jiān)督學(xué)習(xí)中的協(xié)同訓(xùn)練風(fēng)范
參考文獻(xiàn)