●Learning Sparse Topical Representations
1 Introduction
2 Related Work
2.1 Probabilistic LDA
2.2 Non-negative Matrix Faetorization
3 Sparse Topical Coding
3.1 A Probabilistic Generative Process
3.2 STC for MAP Estimation
3.3 Optimization with Coordinate Descent
4 Extensions
4.1 Collapsed STC
4.2 Supervised Sparse Topical Coding
5 Experiments
5.1 Sparse Word Code
5.2 Prediction Accuracy
5.3 Time Efficiency
6 Conclusion
References
多视图在利用未标记数据学习中的效用
1 引言
2 多视图在半监督学习中的效用
3 多视图在主动学习中的效用
4 多视图在主动半监督学习中的效用
5 视图分割
6 结束语
参考文献
知识挖掘与用户建模
1 引言
2 技术综述
3 本体知识体系构建
3.1 知识挖掘
3.2 知识加工
3.3 语义计算
3.4 实验结果
3.5 基于本体知识的需求主题体系构建
4 跨产品用户日志挖掘
4.1 技术框架
4.2 跨产品用户数据scssion分割
4.3 跨产品用户数据关注点挖掘
5 用户建模
5.1 用户属性建模
5.2 用户兴趣建模
5.3 用户状态建模
5.4 多维度用户行为分析模型
5.5 用户兴趣模型的地域性关联分析
6 结语
参考文献
异质人脸图像合成
1 引言
2 基于子空间学习的图像合成方法
2.1 基于线性子空间学习的方法
2.2 基于流形学习的方法
3 基于贝叶斯推理的合成方法
3.1 基于嵌入式隐马尔科夫模型的方法
3.2 基于马尔科夫随机场的方法
4 基于人脸幻像思想的合成方法
5 实验结果
6 结束语
参考文献
面向高维多视图数据的广义相关分析
1 引言
1.1 多视图数据
1.2 数据降维的意义与方法
2 基于相关分析的降维方法所面临的问题与解决方案
2.1 忽视多视图数据的监督信息
2.2 要求不同视图间的数据全配对
2.3 现有解决方案
3 我们的研究工作
3.1 半配对局部相关分析
3.2 半监督半配对广义相关分析
3.3 邻域相关分析
4 小结
参考文献
基于向量场的流形学习和排序
1 引言
2 平行向量场和线性函数
2.1 流形上半监督学习问题
2.2 平行向量场和线性函数
2.3 目标函数
3 离散化和优化
3.1 切空间和向量场离散化
3.2 梯度场计算
3.3 平行向量场计算
3.4 离散形式的目标函数
3.5 目标函数优化
4 基于平行向量场正则化的排序
4.1 向量场正则化
4.2 尺1和及2的离散化
4.3 目标函数离散化
4.4 目标函数优化
4.5 实验
5 结束语与展望
参考文献
秩极小化：理论、算法与应用
1 引言
2 主要数学模型
3 理论分析
4 算法
4.1 加速近邻梯度法及其推广
4.2 交错方向法及其线性化
4.3 奇异值分解的计算
5 应用
5.1 背景建模
5.2 图像批量对齐
5.3 变换不变低秩纹理
5.4 运动分割
5.5 图像分割
5.6 图像显著区域检测
6 结束语
参考文献
实值多变量维数约简
1 引言
2 实值多变量维数约简
2.1 切片逆回归法
2.2 切片逆回归的推广
2.3 主Hessian方向
2.4 子空间简介
2.5 稀疏充分维数约简
2.6 核维数约简
2.7 最小平方维数约简
3 树形结构的核维数约简
3.1 动机
3.2 树形算法的介绍
3.3 (残差)树形核维数约简
3.4 实验部分
3.5 结论
4 核维数约简在人群计数中的应用
4.1 核维数约简
4.2 多核学习
5 结论
参考文献
内容简介
机器学习是计算机科学和人工智能中很好重要的一个研究领域。近年来，机器学习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持技术。《机器学习及其应用(2013)》邀请国内外相关领域的专家撰文，以综述的形式分别介绍机器学习不同分支及相关领域的研究进展。全书共分8章，内容分别涉及稀疏话题表示学习、基于向量场的流形学习和排序、秩极小化、实值多变量维数约简等技术，知识挖掘与用户建模、异质人脸图像合成等应用，以及对多视图在利用未标记数据学习中的效用、面向高维多视图数据的广义相关分析的探讨。
《机器学习及其应用(2013)》可供高校、科研院所计算机、自动化及相关专业的师生、科技工作者和相关企业的工程技术人员阅读参考。本书由张长水、杨强主编。
评论晒单