基于复杂网络的机器学习方法_基于复杂网络的机器学习方法PDF下载_基于复杂网络的机器学习方法电子书,介绍,基于复杂网络的机器学习方法txt,作者,视频教程,在线阅读,基于复杂网络的机器学习方法[巴西]迪亚戈·克里斯蒂亚诺·席尔瓦（Thiago Christiano Silva）赵亮（Liang Zhao）

基于复杂网络的机器学习方法

作者

[巴西]迪亚戈·克里斯蒂亚诺·席尔瓦（Thiago Christiano Silva）赵亮（Liang Zhao）

丛书名

智能科学与技术丛书

出版社

机械工业出版社

ISBN

9787111611493

简要

简介

内容简介书籍计算机书籍本书结合两个重要和流行的研究领域：复杂网络和机器学习，不仅包括基础背景知识，还包含近期最新的研究进展。书中包括大量插图和例题帮助读者理解主要思想和实现细节。

译者序
前言
作者简介
符号列表
第1章概述
11背景
12本书主要内容
13本书结构
参考文献
第2章复杂网络
21图论简介
211图的定义
212图的连通性
213路径和环路
214子图
215树和森林
216图的矩阵表示
22网络演化模型
221随机网络
222小世界网络
223无标度网络
224随机聚类网络
225核心边缘网络
23复杂网络的统计描述
231度和度相关性
232距离和路径
233网络结构
234网络中心性
235复杂网络度量方法的分类
24复杂网络上的动力学过程
241随机游走
242惰性随机游走
243自避行走
244游客漫步
245流行病传播
25本章小结
参考文献
第3章机器学习
31引言
32监督学习
321数学表达式和基本假设
322主要算法
33无监督学习
331数学表达式和基本假设
332主要算法
34半监督学习
341研究目的
342数学表达式和基本假设
343主要算法
35基于网络的机器学习方法概述
36本章小结
参考文献
第4章网络构建技术
41引言
42相似性与相异性
421定义
422基于向量形式的相似性函数实例
43向量数据的网络转化
431k近邻和半径网络
432k近邻和半径组合的网络构建技术
433b匹配网络
434线性邻域网络
435松弛线性邻域网络
436聚类启发式网络
437重叠直方图网络
438其他网络构建技术
44时间序列数据的网络转化
441周期网络
442相关网络
443循环网络
444转移网络
45网络构建方法分类
46非结构化数据网络转化的难点
47本章小结
参考文献
第5章基于网络的监督学习
51引言
52典型的基于网络的监督学习技术
521基于k关联图的分类算法
522网络学习工具：NetKit
523易访问启发式的分类算法
53本章小结
参考文献
第6章基于网络的无监督学习
61引言
62社团检测算法
621相关概念
622数学表达式和基本假设
623前沿技术综述
624社团检测基准
63典型的基于网络的无监督学习技术
631介数
632模块度最大化
633谱平分法
634基于粒子竞争模型的社团检测
635变色龙算法
636基于空间变换和群体动力学的社团检测
637同步方法
638重叠社团挖掘
639网络嵌入与降维
64本章小结
参考文献
第7章基于网络的半监督学习
71引言
72数学假设
73典型的基于网络的半监督学习技术
731最大流和最小割
732高斯随机场和调和函数
733Tikhonov正则化框架
734局部和全局一致性算法
735附着法
736模块化方法
737相互作用力
738判别式游走
74本章小结
参考文献
第8章基于网络的监督学习专题研究：高级数据分类
81引言
82问题提出
83高级分类模型
831高级分类模型的总体思路
832混合分类框架的构建
84高级分类器的构建方法
841传统的基于网络度量方法的高级分类器构建
842基于随机游走的高级分类器构建
85高级分类器的数值分析
851高级分类器应用样本
852参数敏感性分析
86应用：手写数字识别
861相关研究
862手写数字数据集MNIST
863图像相似性计算算法
864混合分类框架中的低级分类技术
865混合分类器的性能
866手写数字识别样本87本章小结
参考文献
第9章基于网络的无监督学习专题研究：随机竞争学习
91引言
92随机竞争学习算法模型
921模型原理
922转移矩阵的推导
923随机非线性动力系统的定义
924计算社团数目的方法
925重叠结构的检测方法
926参数敏感性分析
927收敛分析
93模型的理论分析
931数学分析
932粒子竞争模型与传统的多粒子随机游走
933样本分析
94重叠节点及社团检测的数值分析
941扎卡里空手道俱乐部网络
942海豚社交网络
943《悲惨世界》人物关系网络
95应用：手写数字识别和字母聚类
951数据集情况
952最优粒子数和集簇数
953手写数字或字母聚类
96本章小结
参考文献
第10章基于网络的半监督学习专题研究：随机竞争合作学习
101引言
102随机竞争合作模型
1021半监督学习与无监督学习的差异
1022半监督学习环境
1023竞争转移矩阵的修正
1024系统初始条件的修正
103模型的理论分析
1031数学分析
1032样本分析
104模型的数值分析
1041人工合成数据集上的模拟
1042真实数据集上的模拟
105应用：错误标记数据集上的错误标签传播检测和预防
1051问题提出
1052错误标记训练集的检测
1053错误标签传播的预防
1054竞争合作模型学习系统的修正
1055参数敏感性分析
1056计算机模拟
106本章小结
参考文献

基于复杂网络的机器学习方法

推荐