《机器学习及其应用(2013)》是清华大学出版社邀请第九届和第十届“机器学习及其应用研讨会”的部分专家将报告内容总结而形成的文集。书中每篇文章讨论一个方面的问题，以综述形式介绍这个方面的研究工作，包括自己的研究工作。本书收录的8篇文章，每一位作者都投入了大量的时间和精力，深入浅出地介绍了一个领域的来龙去脉，并讨论其发展趋势。本书由张长水、杨强主编。

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。《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。

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