《机器学习及其应用2017（中国计算机学会学术著作丛书——知识科学系列）》是对第十三届和第十四届中国机器学习及其应用研讨会的一个总结，共邀请了与会的7位专家就其研究领域撰文，以综述的形式探讨了机器学习不同分支及相关领域的研究进展。这些内容涉及稳健的矩阵回归模型、低秩模型的闭解、面向大规模学习的*优化、张量分解、基于递归神经网络的图像描述算法、标记分布学习及其应用，以及软件缺陷挖掘。 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阅读参考。
【内容简介】
本书是对第十三届和第十四届中国机器学习及其应用研讨会的一个总结，共邀请了与会的7位专家就其研究领域撰文，以综述的形式探讨了机器学习不同分支及相关领域的研究进展。这些内容涉及稳健的矩阵回归模型、低秩模型的闭解、面向大规模学习的*优化、张量分解、基于递归神经网络的图像描述算法、标记分布学习及其应用，以及软件缺陷挖掘。 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阅读参考。
【目录】
目录
1引言
2Tucker分解
3CP分解
4非参贝叶斯分解
4.1InfTucker分解
4.2InfTucker算法
4.3实验结果
5结束语参考文献基于递归神经网络的图像描述算法靳骏奇闫子昂张长水
1引言
2相关工作
3模型与方法
3.1基于多尺度局部色块的图像表示
3.2基于注意力的递归神经网络解码器
4实验与分析
4.1实验设定
4.2定量评估结果
4.3微软比赛结果
4.4定性评估结果
5结束语参考文献标记分布学习及其应用耿 新徐 宁
1引言
2学习框架
2.1符号及形式化定义
2.2评价指标
3标记分布学习算法
3.1“问题转化”算法
3.2“算法改造”算法
3.3专用算法
4标记分布学习应用
4.1原始数据中的标记分布
4.2基于先验知识的标记分布
4.3从数据集中学到的标记分布
5结束语参考文献软件缺陷挖掘黎铭
1引言
2基于编程模式挖掘软件缺陷
3基于缺陷标注挖掘软件缺陷
4基于缺陷报告挖掘软件缺陷
5结束语参考文献
【前言】
前言
高阳陈松灿2017年9月4日机器学习及其应用2017目录稳健的矩阵回归模型与方
法杨 健罗 雷1引言2基于核范数的稳健矩阵回归3基于推广幂指数分布的稳健矩
阵回归4基于核L1范数的联合矩阵回归5基于树结构核范数的稳健矩阵回归6结
束语参考文献若干低秩子空间恢复模型的闭解及其应用林宙辰1引言2无噪低秩
表示模型的闭解2.1应用： 潜在低秩表示模型的推导3无噪潜在低秩模型的闭解
3.1应用： 提升潜在低秩表示模型的聚类性能4若干主要低秩模型的解之间的关
系4.1解的质量的比较4.2求解速度的比较5闭解应用的另一个例子： 仿射变换
下特征点误匹配检测6结束语参考文献面向大规模机器学习的*优化张利军1
引言2相关工作3降低时间复杂度3.1研究背景3.2阶段混合梯度下降3.3实验4降
低空间复杂度4.1研究背景4.2*临近梯度下降4.3实验5总结与展望附录参考
文献非参贝叶斯张量分解研究徐增林贺丽荣严，丰漆，远机器学习及其应用
【免费在线读】
1[]稳健的矩阵回归模型与方法*杨健罗雷南京理工大学模式计算与应用实验室，南京210094 *本文得到国家自然科学基金(91420201和61472187)资助。1引言随着网络和信息技术的不断发展，全球数据量呈现爆炸式增长。特别地，人类在*近两年产生的数据量相当于之前产生的全部数据量。这些海量、复杂的数据已经对社会经济、政治、文化以及生活等方面产生了深远的影响。如何有效地分析它们使其更好地为人类服务是一个亟待解决的问题。近年来，机器学习方法已经渗透到了数据分析的各个方面，成为了其中的重要组成部分。它利用已知数据来学习和推理其中未知的、潜在的概率分布等重要信息，解释数据样本中变量（或特征）之间的关系。也就是说，它能从庞大的数据中揭示出数据的内在规律或本质结构。这种本质结构可方便人类对数据的理解，提高人类对数据的驾驭能力。为实现这一任务，我们首先要熟知数据分析中可能面临的问题。一方面，在实际的信号和图像采集与处理中，数据的维数越高，给数据的采集和处理带来越多的限制。大规模的数据不仅存在着较多的冗余、无关的属性，还会带来维数的灾难。另一方面，实际中数据往往结构复杂，例如采集的数据本身不完整或者存在大量的噪声，这导致了一些传统的数据处理技巧也许失效。基于线性回归（linear regression, LR）分析的方法一直是机器学习领域的研究热点。它的目的是估计测试数据与训练数据之间的关系。值得注意的是，这种关系可理解成数据的一种内在结构。为避免过拟合，一个正则项需要强加到LR模型中。基于L1范数的正则项和基于L2范数的正则项是目前使用*广泛的两种正则项。
【书摘与插画】
