出版者的话译者序前言致谢第1章绪论 1.1机器智能研究 1.2两个层面:数据驱动方法和生物启发式方法 1.3如何阅读本书 1.3.1机器智能的数据驱动方法1.3.2机器智能的生物启发式方法 1.4总结和延伸阅读 参考文献 第2章增量学习 2.1引言 2.2问题的提出 2.3 自适应增量学习框架 2.4映射函数设计 2.4.1基于欧氏距离的映射函数 2.4.2基于回归学习模型的映射函数 2.4.3基于在线评估系统的映射函数 2.5实例研究 2.5.1视频流的增量学习 2.5.2垃圾邮件分类的增量学习2.6总结 参考文献 第3章不平衡学习 3.1引言 3.2不平衡学习的本质 3.3不平衡数据学习方法 3.3.1不平衡数据学习的抽样法 3.3.2不平衡数据学习的代价敏感方法 3.3.3基于核的不平衡数据学习方法 3.3.4不平衡数据学习的主动学习方法 3.3.5不平衡数据学习的其他方法 3.4不平衡数据学习的评价指标3.4.1单一评价指标 3.4.2受试者工作特性( ROC)曲线 3.4.3查准率一查全率(PR)曲线3.4.4代价曲线 3.4.5多类不平衡数据学习评价指标 3.5机遇和挑战 3.6实例研究 3.6.1非线性规范化 3.6.2数据集分布 3.6.3仿真结果和讨论 3.7总结 参考文献 第4章集成学习 4.1引言 4.2假设多样性 4.2.1 Q统计量 第5章机器智能的自适应动态规划第6章联想学习第7章序列学习第8章机器智能的硬件设计