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