机器学习及其应用2009

机器学习是人工智能的一个核心研究领域，也是近年来计算机科学中最活跃的研究分支之一。目前，机器学习技术不仅在计算机科学的众多领域中大显身手，还成为一些交叉学科的重要支撑技术。本书邀请相关领域的专家撰文，以综述的形式介绍机器学习中一些领域的研究进展。全书共分10章，内容涉及正则化、Boosting、聚类分析、因果发现、维数削减、强化学习、迁移学习、流形学习、多示例多标记学习等。
本书可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。

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
  ……
Transfer Learning and Its Application for WiFi Localization Problems
关于boosting算法的margin解释
最大间隔聚类快速算法研究
自适应K段主曲线
MIML：多示例多标记学习