机器学习及其算法和发展研究

目前,机器学习领域的研究与应用取得了巨大进展,我们有必要对机器学习有个全面的认识.为此,本文对机器学习进行了较为系统的介绍,从机器学习的概念开始,综述了机器学习的发展简史及其分类,然后重点分析了机器学习的经典算法,接下来阐述了机器学习的最新研究进展、愿景及应用,最后探讨了机器学习面临的挑战.     

人工智能中的机器学习研究及其应用

机器学习是人工智能研究的中心问题。本文首先介绍了机器学习的背景——人工智能的研究和发展，机器学习的概念。提出了机器学习的研究目标和方法，建立并讨论了一个简单的学习模型。最后指出机器学习的发展必须依靠思维科学的发展，提出了发展机器学习的趋势。     

基于大数据技术的机器学习算法研究探讨

该文探讨了基于大数据技术的机器学习算法,基于大数据进行机器学习的模型提高了算法的准确性,机器学习实现分析更高级别的数据,基于Spark+Hadoop处理技术的机器学习适应迭代式机器学习模型的特定需求,机器学习分析数据中的关系获得规律预测新样本。对数据进行收集、统计和分析的大数据系统引入机器学习进行大数据计算,机器学习的深度和广度也提升了大数据分析效率。     

知识约简在机器学习中的应用

文中首先介绍了人工智能中机器学习的概念与概况，并介绍了粗糙集理论中的知识约简的基本概念．在此基础上提出了将知识约简应用于常规的机器学习中，将常规的机器学习方法与粗糙集理论中的知识约简有机地结合起来，使得机器学习将得到更好的效果．     

机器学习算法在绿色智能化汽车发展及研究中的应用展望

绿色智能化是未来汽车发展的必然趋势，然而，从传统汽车向绿色智能汽车的转变还需要在许多技术上实现新的突破；其中，机器学习算法对汽车的绿色智能化发展具有非常重要的科学价值和实践意义。所以，该文从机器学习算法在汽车绿色智能化发展中的应用角度出发，阐述了绿色动力，车辆智能化以及机器学习算法的研究现状，突出了未来机器学习的在汽车绿色智能化发展中的的重要地位。     

数据驱动的自动化机器学习流程生成方法

自动化机器学习是机器学习前沿的一个重要问题，自动化机器学习工具根据数据集及任务需求组合机器学习算子来构造流程，使领域用户在不具备专业机器学习知识的情况下也能完成相应数据分析工作，但目前的自动化机器学习工具普遍存在耗时长和精度低的问题。本文基于数据集相似性和强化学习原理，提出一种数据驱动的自动化机器学习流程的生成方法，利用相似数据集的历史知识，将神经网络与MCTS相结合，指导机器学习流程的生成。实验结果表明：该方法在耗时方面缩短至分钟级别，流程性能也得到提升。     

机器学习在遥感影像分类中的应用

 概述了机器学习的主要方法及其在遥感影像的主要应用方向，涵盖环境生态遥感中机器学习技术的研究、应用情况及近年来的新进展。通过使用深度学习对FY-3C气象卫星资料进行积雪检测的应用实例，说明深度学习模型可以利用大数据的优势不断提高检测精度，在某些指标中取得了更优于传统机器学习的精度，可解决传统机器学习难以解决的一些问题，从而带动遥感应用模式的创新。     

第十二届中国机器学习会议征文通知

第十二届中国机器学习会议（CCML2010）由中国人工智能学会机器学习专业委员会和中国计算机学会人工智能与模式识别专业委员会联合主办，山东大学承办，河北大学协办。该系列会议每两年举行一次，现已成为国内机器学习界最主要的学术活动。此次会议将为机器学习及相关研究领域的学者交流最新研究成果、进行广泛的学术讨论提供便利，并且将邀请国内机器学习领域的著名学者做精彩报告。     

论人工智能科学中的机器学习

本文首先提出机器学习是人工智能科学中提高机器智能水平的唯一途径。只有不断完善机器的学习功能，才能使机器接近或超过人类和智能水平，提出了机器的学习方法和分类，指出机器学习的发展必须依靠思维科学的发展。最后，提出了研究机器学习的目标及意义。     

环境科学中的机器学习方法 神经网络与核方法

机器学习是计算机智能（也叫人工智能）的一个主要的子领域。它的主要目标就是利用计算的方法从数据中提取信息。神经网络方法，一般被认为是机器学习研究中的第一次突破，它自上世纪80年代以来开始流行，而核方法是在上世纪90年代后半期作为机器学习研究的第二波高潮而到来的。本书对于机器学习方法和它在环境科学中的应用给出了统一的处理。     

第11届中国机器学习会议

第11届中国机器学习会议（CCML2008）由中国人工智能学会机器学习专业委员会和中国计算机学会人工智能与模式识别专业委员会联合主办，大连海事大学承办。该系列会议每两年举行一次，现已成为国内机器学习界最主要的学术活动．此次会议将为机器学习及相关研究领域的学者交流最新研究成果、进行广泛的学术讨论提供便利，并且将邀请国内机器学习领域的著名学者做精彩报告．     

生物信息学中的机器学习

机器学习技术例如Markov模型、支持向量机、神经网络、图形模型等，已经在生命科学数据的分析研究中广泛应用。本书收录了一些近期的机器学习方法，涵盖了生物信息学研究中的大部分问题。     

机器学习和人工智能辅助钢铁材料设计的研究进展

随着人工智能技术的快速发展和材料数据的显著增加,机器学习和人工智能辅助设计高性能钢材正成为材料科学的主流范式。机器学习方法是一种基于计算机科学、统计学及材料科学之间的跨学科科学,聚焦于发现众多数据之间的相关性。与材料科学中传统的物理建模方法相比,机器学习方法的主要优势在于克服了材料本身复杂的物理机制,为新型高性能材料的研发提供了新的思路。本文从数据预处理和机器学习模型的介绍开始,包括算法选择和模型评估。然后,以优化成分、结构、工艺和性能为主题,回顾了机器学习方法在钢铁研究领域应用的一些典型案例。此外,还介绍了机器学习方法在以性能为导向的材料成分逆向设计工程以及在钢材缺陷检测领域中的应用。最后,探讨了机器学习在材料领域的适用性和局限性,并对未来的发展方向和前景进行了展望。     

机器学习的若干方法分析

介绍几种典型的机器学习方法，比较和分析其优越性和局限性，并在综合不同学习方法的基础上对集成学习系统进行探讨。     

机器学习与知识发现在高校公共突发事件智能预警系统中的应用

机器学习与知识发现能够帮助人工智能系统对现象或信息之间的因果关系产生更深入的认识,有利于提高智能决策支持系统的工作效率,有利于提高使用者和机器之间的默契程度。就机器学习与知识发现技术应用于高校公共突发事件智能预警系统进行了探讨。     

第十届中国机器学习会议

第十届中国机器学习会议（CCML2006）将于2006年10月中下旬在海南省海口市举行。会议由中国人工智能学会机器学习专业委员会和中国计算机学会模式识别与人工智能专业委员会联合主办，海南大学承办，海南软件学院协办。该系列会议每两年举行一次，现已成为国内机器学习界最主要的学术活动。此次会议将为机器学习及相关研究领域的学者交流最新研究成果、进行广泛的学术讨论提供便利，并且将邀请国内机器学习领域的著名学者做精彩报告。     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

支持向量机的研究与发展

支持向量机是一种新型机器学习方法。是在统计学习理论基础上发展起来的一种新的数据挖掘方法,并已广泛应用于模式识别与回归分析。已成为国际机器学习界的研究热点。笔者主要对其基本原理与研究发展情况进行了探讨和研究。     

NDSocTeam仿真机器人足球队的设计和实现

机器人足球(RoboCup)是研究多agent系统的体系结构、多agent团队合作理论以及机器学习方法的理想测试平台。介绍了开发的仿真球队NDSocTeam系统的设计原理和实现技术。系统设计了以机器学习技术为核心的球员agent结构，并建立了一种分层学习以及多种学习技术相结合的机器学习系统．重点描述了NDSocTeam系统的总体结构、球员agent的结构以及机器学习的实现技术。     

“第12届中国机器学习会议”征文

“第12届中国机器学习会议”（CCML2010）将于2010年8月6—8日在济南市召开。此次会议由中国人工智能学会机器学习专业委员会和中国计算机学会人工智能与模式识别专业委员会联合主办，山东大学承办，河北大学协办。该系列会议每两年举行一次，已经成为国内机器学习界重要的学术活动之一。会议将邀请国内机器学习领域的著名学者做精彩报告．会议期间还将评选优秀论文奖和优秀学生论文奖。