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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