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 Problems
　　Sinno 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瞭aught 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