機(jī)器學(xué)習(xí)及其應(yīng)用2011

因果推斷的可分解性和可傳遞性問題
1 引言
2 圖模型結(jié)構(gòu)學(xué)習(xí)的可分解條件
3 直接作用和間接作用
　3.1 基于關(guān)聯(lián)模型的直接作用與間接作用
　3.2 基于因果模型的主分層直接作用
　3.3 控制的和自然的直接作用
4 因果作用的可傳遞性問題
5 討論
參考文獻(xiàn)
機(jī)器學(xué)習(xí)的幾何觀點(diǎn)
1 引言
2 監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)
3 基于幾何拓?fù)涞慕稻S算法
3.1 流形降維
3.2 幾何和拓?fù)?br />3.3 保局投影
4 主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)：基于幾何的觀點(diǎn)
5 結(jié)束語和展望
參考文獻(xiàn)
協(xié)同過濾與鏈接預(yù)測的遷移學(xué)習(xí)問題
1 引言
　1.1 問題背景
　1.2 相關(guān)研究工作綜述
2 基于矩陣分解的潛在特征空間共享
　2.1 組級(jí)評(píng)分矩陣共享
　2.2 項(xiàng)目潛在特征共享
3 協(xié)同過濾的遷移學(xué)習(xí)
　3.1 評(píng)分矩陣生成模型
　3.2 實(shí)驗(yàn)結(jié)果
4 鏈接預(yù)測的遷移學(xué)習(xí)
　4.1 集體鏈接預(yù)測模型
　4.2 實(shí)驗(yàn)結(jié)果
5 結(jié)語
參考文獻(xiàn)
LDA的并行化運(yùn)算及其應(yīng)用
1 引言
2 LDA算法介紹
3 LDA算法的并行化一一PLDA
4 LDA算法的進(jìn)一步并行化一一PLDA十
5 AdHeat算法一一PLDA在社區(qū)推薦中的應(yīng)用
6 結(jié)束語
參考文獻(xiàn)
關(guān)于二類模式分類問題的分解
1 引言
2 最小最大模塊化網(wǎng)絡(luò)
　2.1 問題分解
　2.2 模塊集成
3 高斯零交叉函數(shù)最小最大模塊化網(wǎng)絡(luò)
　3.1 高斯零交叉函數(shù)
　3.2 高斯零交叉函數(shù)最小最大模塊化網(wǎng)絡(luò)的特點(diǎn)
　3.3 與其他分類器的關(guān)系
4 大規(guī)模二類問題的分解策略
　4.1 隨機(jī)分解
　4.2 超平面分解
　4.3 聚類分解
　4.4 基于先驗(yàn)知識(shí)的分解
5 大規(guī)模不平衡專利數(shù)據(jù)分類
　5.1 實(shí)驗(yàn)數(shù)據(jù)
　5.2 最小最大模塊化Lib1inear
　5.3 性能評(píng)價(jià)指標(biāo)
　5.4 Section層上A類為正類的二類問題實(shí)驗(yàn)
　5.5 Section層上的全部二類問題實(shí)驗(yàn)
6 結(jié)論
　……
面向降維的圖構(gòu)建技術(shù)
統(tǒng)計(jì)詞對(duì)齊
概念、相似性與聚類分析
互聯(lián)網(wǎng)行業(yè)對(duì)機(jī)器學(xué)習(xí)和其他計(jì)算技術(shù)的需求
基于指數(shù)族混合模型的在線式演化聚類算法
多標(biāo)記學(xué)習(xí)
Ranking on Large-scale Graphs with Rich Metadata
Semi-supervised Learnin~with Mixed Unlabeled Data
Learning with Local Consistency