半监督学习

作者简介

《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。

书籍目录

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

 半监督学习下载