半监督学习 出版时间:2013年版内容简介 《半监督学习》编著者张晨光、张燕。 本书是国内第一本涉及半监督学习相关理论的专著,大范围而言属于机器学习范畴。机器学习是研究如何使用机器来模拟人类学习活动的一门学科,即通过机器对过往数据进行分析和处理,从而获取新知识和新技能的学问。按照学习过程中是否有专家指导(有标签示例)机器学习可以分为监督学习,无监督学习和半监督学习。目录第1章 绪论1.1 研究背景和意义1.2 国内外研究现状1.3 研究内容和方法参考文献第2章 生成模型2.1 贝叶斯决策理论2.2 密度函数参数估计2.3 半监督混合模型2.4 半监督混合模型的应用和优缺点分析参考文献第3章 协同训练算法3.1 视图3.2 协同训练3.3 协同训练相关理论3.4 多视协同训练方法3.5 协同训练方法的应用和优缺点分析参考文献第4章 基于图的半监督学习方法4.1 图4.2 标记传递算法4.3 最小切4.4 调和函数4.5 流形正则化框架4.6 基于图的半监督学习方法的应用以及优缺点分析参考文献第5章 半监督支持向量机5.1 支持向量机简介5.2 半监督支持向量机简介5.3 半监督支持向量机的求解5.4 半监督支持向量机的应用以及优缺点分析参考文献第6章 哈希图半监督学习方法及其在图像分割中的应用6.1 基于图的半监督学习方法在图像分割中的应用6.2 哈希图半监督学习方法及其在图像分割中的应用6.3 本章小结参考文献第7章 归一化图半监督学习方法及其在个人信用评估中的应用7.1 不均衡问题对图半监督学习方法的影响7.2 归一化图半监督学习方法7.3 基于归一化图半监督学习的个人信用评估方法7.4 本章小结参考文献第8章 多标记半监督学习方法8.1 多标记半监督学习方法提出背景8.2 希尔伯特一施密特独立性度量8.3 最大化依赖性多标记半监督学习方法8.4 正则依赖性多标记半监督学习方法8.5 实验8.6 本章小结参考文献第9章 正例半监督学习方法及其在图像分割中的应用9.1 正例半监督学习的定义9.2 正例半监督学习的应用9.3 正例半监督学习的相关理论基础9.4 朴素贝叶斯一期望最大化正例半监督学习方法9.5 正例图半监督学习图像分割方法参考文献第10章 总结与展望10.1 工作总结10.2 展望 上一篇: 神经计算原理及其应用技术 下一篇: 时滞系统分析与综合:基于finsler引理的新框架