本书是清华大学出版社邀请第五届和第六届“机器学习及其应用”研讨会的部分专家将其报告内容总结成文而得的文集。书中每一章将讨论一个论题，以综述的形式对该方面的研究进展加以介绍，并将报告人自己的一些研究工作嵌入其中。书中章节不仅涉及正则化、Boosting、聚类分析、因果发现、维数削减、强化学习等传统研究领域，还涉及迁移学习、流形学习、多示例多标记学习等新领域，以及图像超分辨率、无线局域网定位、智能交通控制等应用问题。

机器学习是人工智能的一个核心研究领域，也是近年来计算机科学中最活跃的研究分支之一。目前，机器学习技术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撑技术。本书邀请相关领域的专家撰文，以综述的形式介绍机器学习中一些领域的研究进展。全书共分10章，内容涉及正则化、Boosting、聚类分析、因果发现、维数削减、强化学习、迁移学习、流形学习、多示例多标记学习等。

本书可供计算机、自动化及相关专业的研究人员、教师、研究生和工程技术人员参考。

机器学习与人工智能

 1 引言

 2 机器学习与人工智能的不同理念

 3 统计机器学习的特点

 4 集群学习(ensemble learning)

 5 人工智能对机器学习的补充

 6 重采样方法——自助法

 7 变量稀疏化

 8 知识的集群

 9 讨论和总结

 参考文献

关系强化学习研究

 1 引言

 2 Tetris和强化学习解法

2.1 Tetris

2.2 Tetris的抽象和建模

2.3 Tetris的强化学习解法

2.4 状态空间抽象

 3 关系强化学习

3.1 关系强化学习及其抽象

3.2 逻辑决策树方法

3.3 马尔可夫逻辑网方法

 4 结束语

 参考文献

因果挖掘的若干统计方法

 1 引言

 2 井底之蛙：因果作用与混杂因素

 3 替罪羔羊：利用替代指标评价因果作用

3.1 几种替代指标准则

3.2 替代指标悖论

3.3 一致替代指标，严格一致替代指标

 4 盲人摸象：贝叶斯网络的结构学习

4.1 贝叶斯网络结构的分解学习方法

4.2 贝叶斯网络结构的递归学习方法

4.3 贝叶斯网络结构的聚类学习方法

 5 纲举目张：确定因果网络方向的主动学习方法

5.1 各种干预方法

5.2 各种算法的模拟比较

 6 寻根问底+顺藤摸瓜：寻摸结果变量的原因

6.1 外部干预下的预测问题

6.2 局部因果挖掘的方法

 7 讨论

 参考文献

基于学习的图像超分辨率算法

 1 引言

 2 基于学习的超分辨率算法综述

2.1 间接最大后验算法

2.2 直接最大后验算法

2.3 基于学习的超分辨率算法的优缺点

 3 基于学习的超分辨率算法的性能极限

3.1 什么是基于学习的超分辨率算法的极限

3.2 期望风险的下界

3.3 基于学习的超分辨率算法的极限

3.4 下界的计算与阈值的选取

3.5 讨论

 4 结语

 参考文献

分类学习的正则化技术

 1 引言

 2 经典的正则化技术

2.1 Tikhonov正则化

2.2 正则化网络

2.3 支持向量机

2.4 正则化最小二乘分类器

2.5 流形正则化

 3 最新研究进展

3.1 正则化分类器的泛化误差界

3.2 正则化项的构造

3.3 正则化参数的选择

 4 结束语

参考文献

Transfer Learning and Its Application for WiFi Localization Problems

Sinno Jialin Pan, Vincent Wenchen Zheng and Qiang Yang

 1 Introduction

 2 An Overview of Transfer Learning

2.1 Instance Based Transfer Learning

2.2 Transfer Learning Through Dimensionality Reduction

2.3 Transfer Learning Through Selftaught Clustering

 3 WiFi Localization in Indoor Environments

 4 Transfer Learning for WILP

4.1 Transferring Localization Models over Time

4.2 Transferring Localization Models across Space

4.3 Transferring Localization Models across Devices

 5 Experiments and Discussion

5.1 ICDM 2007 Data Mining Contest Dataset

5.2 Experimental Results

6 Conclusion and Future Work

 References

关于boosting算法的margin解释

 1 引言

 2 背景与相关工作

 3 主要结果

 4 对Emargin上界的解释

 5 证明

5.1 定理3的证明

5.2 命题1的证明

5.3 定理4的证明

5.4 定理5的证明

5.5 定理6的证明

 6 实验

 7 结论

 参考文献

最大间隔聚类快速算法研究

 1 引言

1.1 支持向量机

1.2 最大间隔聚类

1.3 国内外研究现状

 2 两类问题的最大间隔聚类算法

2.1 优化问题的等价转化

2.2 切平面算法

 3 多类问题的最大间隔聚类算法

3.1 切平面算法

 4 实验分析

4.1 实验数据集

4.2 评价标准

4.3 对比算法以及参数选择

4.4 聚类精度比较

4.5 聚类速度比较

4.6 约束凹凸规划平均迭代次数

4.7 切平面算法计算时间与数据集规模的关系

4.8 参数ε对切平面算法精度以及速度的影响

4.9 参数C对切平面算法精度以及速度的影响

 5 总结

 参考文献

自适应K段主曲线

 1 引言

 2 主曲线综述

2.1 主曲线初步

2.2 主曲线发展历史

 3 自适应K段主曲线

3.1 引入先验知识

3.2 顶点移除

3.3 自适应K段主曲线实现

 4 实验

 5 应用：高精度GPS学习

 6 讨论

 7 总结

 附录

 A.1 投影步骤细节

 A.2 优化步骤细节

 A.3 GPS精度的改进

 参考文献

MIML：多示例多标记学习

 1 引言

 2 MIML框架

 3 MIML学习算法

 3.1 基于退化策略的MIML学习算法

 3.2 基于正则化的MIML学习算法

 4 利用MIML学习单示例样本

 5 利用MIML学习复杂高层概念

 6 结束语

 参考文献