机器学习及其应用

Learning Sparse Topical Representations

1 Introduction

2 Related Work

2. 1 Probabilistic LDA

2.2 Non-negative Matrix Factorization

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session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

……

面向高维多视图数据的广义相关分析

基于向量场的流形学习和排序

秩极小化：理论、算法与应用

实值多变量维数约简

机器学习是计算机科学和人工智能中非常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。本书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。本书可供高校、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。