数据挖掘与决策树理论与应用

数据挖掘是一门科学、一门艺术，也是一门技术。它用来探索一批量大且复杂的数据，以便从中发现有用的模式。决策树是简单而又成功的技术，用来预测和解释有关一个数据项的某些度量与它的目标值之间的关系。决策树原本是从逻辑、管理和统计学中演绎而来的，除了应用于数据挖掘以外，现在它是在文本挖掘、信息析取、机器学习和模式识别等其他领域中高度有效的工具。     

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。     

谈如何提高语文课堂教学效率

语文是一门工具学科,又是一门基础学科,也是最有活力最深奥的一门学科。它总是站在教学改革的潮头,每一次教改都会出现一些新的东西,也许正因如此,才使它永富魅力。如何上好语文课,如何提高语文课堂效率是一个常新的话题,也是一个永恒的话题。我在提高语文课堂教学效率的实践中体会到要从以下几方面多思考、多探索、多研究。     

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。     

一种机器学习与相变之间的新型映射（英文）

相变是一个重要的物理概念,它代表着从一个热力学状态到另一个热力学状态的转变.它在凝聚态物理、粒子物理、天体物理等物理领域有着广泛的应用.机器学习是研究通过经验自动改进的计算机算法.近年来,随着深入学习的成功,它也是一个非常活跃的研究领域.于是从视觉上证明了监督学习的训练过程与阶段过渡过程十分相似,有可能确定相变理论的核心概念,如对称性断裂或机器学习中的临界点.以MNIST数据集的伊辛模型和自动编码器为例,说明了机器学习训练过程中的"相变".这种介于机器学习和相变之间的新映射,为理解机器学习带来了新的方法,并使从物理角度解决机器学习问题成为可能.     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代,探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题,有效及廉价的方法是非常必要的.机器学习是一个崭新的计算机应用领域,而生物信息学是生物学与计算机科学以及应用数学等学科相互交叉而形成的一门新兴学科.本文分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展.     

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。     

数据挖掘技术及其应用

数据挖掘是数据库研究中一个很有应用价值的课题,它融合了数据库、人工智能、机器学习等多个领域的理论和技术,本文介绍数据挖掘系统的体系结构、数据挖掘的方法及应用。     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明，通过将领域知识嵌入到核函数中，一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系，并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明，与其它几个分类算法相比，它具有较高的性能.     

人工智能挑战人类智能

人工智能是对人的意识、思维信息过程的模拟,它虽然不是人的智能,但能像人一样思考、学习、工作.作为一门包含十分广泛的科学,人工智能由诸多不同领域组成,如机器学习、计算机视觉等等,从事人工智能开发工作的人必须要博学,要懂得计算机知识、心理学和哲学等.研发人工智能的主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作. 即便人工智能十分“聪明”,成为了人类的好帮手,但一直以来,我们依然认为人类具有最强的大脑,它创造出无限可能性,建造摩天大楼,把人送入太空,研究万有引力、宇宙大爆炸……然而,当AlphaGo以五局四胜的战绩战胜了李世石之后,越来越多的人开始对人工智能产生危机感.     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效厦廉价的方法是非常必要的．机器学习是一个崭新的计算机应用领域，而生物信息学是生物学与计算机科学以厦应用数学等学科相互交叉而形成的一门新兴学科．本文分析了机器学习技术的内容，介绍了生物信息学的内涵和新的应用技术，同时探索了机器学习技术对生物信息挖掘应用的途径．这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展．     

高斯过程回归方法及其预测模型

机器学习目前在计算机学科和信息学科里是非常重要的一个前沿领域,高斯过程回归这一理论学习方法是一种全新的机器学习方法,它是在贝叶斯理论和统计学习理论结合的基础上发展起来的,自被提出以来就受到各个领域专家、学者的高度重视并取得了不少成果。该文主要介绍高斯过程回归的方法及其算法模型。     

数据挖掘技术及应用

数据挖掘技术是数据库研究中最活跃的分支之一，它综合支用人工智能、数据库、机器学习等多个领域的理论和技术，已成功地应用于金融分析、市场分析等多个领域。文章介绍了数据挖掘的目标、方法、一般过程及其应用情况。     

基于随钻数据的岩性识别机器学习算法研究进展

机器学习算法是岩性识别领域重点研究内容之一。与传统岩性识别方法相比,通过监测随钻参数变化进行岩性识别,具有高精度、多信息、集成化、智能化的优点。近年来,随着岩性识别技术不断发展,机器学习算法在岩性识别领域的研究和应用日益广泛。利用机器学习算法分析随钻数据,能够提高岩性识别结果的准确性,更高效地识别地层的岩性和构造。为了厘清岩性识别机器学习算法的发展现状,发掘其在岩性识别技术领域中的技术难题,综述了岩性识别机器学习算法的研究进展。首先,简要介绍了机器学习的概念与发展历程;其次,分类阐述能够用于岩性识别领域的机器学习算法;再次,总结了岩性识别领域各类常用机器学习算法的应用现状,比较了各类算法在岩性识别应用中的优缺点;最后,总结了岩性识别算法存在的问题和面临的挑战,并对其下一步发展方向提出了建议,使未来能更加准确高效地利用机器学习算法分析处理随钻数据,实现机器学习算法与岩性识别技术的深度结合。     

Web信息提取中多策略学习算法的研究

将一种新的机器学习方法－多策略学习算法应用于Web信息提取领域，在原有的机械学习，统计学习和相关学习等三种机器学习法基础之上充分考虑各学习方法的利弊，将三者有机结合，使得结合后的新算法在提取Web信息时比结合前任一单一机器学习方法都更有效、更准确。     

机器学习算法在人工智能中的应用

<正>在人工智能领域，机器学习算法无疑是核心组成部分，其本质上是统计学的应用。它是一种在分类、预测、随机分布等常见问题上，融合和借鉴统计学理论来进行数据归纳和分析，深度分析数据的内涵、数据背后蕴含的逻辑和规律，从而更加精妙地解决问题的方法。本文从人工智能与机器学习算法的内涵入手，重点对机器学习中的诸多算法进行简单的分析介绍，再举例说明回归算法、决策树、支持向量机、朴素贝叶斯、逻辑回归等常见算法。     

小样本机器学习理论：统计学习理论

统计学习理论是由Vapnik等人提出的一种有限样本统计理论,是模式识别邻域新近发展的一种新理论,着重研究在小样本情况下的统计规律及学习方法性质,它为小样本机器学习问题建立了一个较好的理论框架,也发展了一种的通用学习算法－－支持向量机,较好地解决了小样本机器学习问题。该文旨在介绍统计学习理论的基本思想、特点、研究现状和一些思考。     

数据挖掘与智能化信息处理研究

数据挖掘(Data Mining)是智能化信息处理中一个很有价值的课题，它融合了数据库、人工智能、机器学习和统计学等多个领域的理论和技术。本文介绍数据挖掘系统的体系结构、数据挖掘的任务、方法及应用，讨论了数据挖掘研究的发展趋势。     

对管理专业MIS教学的思考

MIS是一门属于边缘性、综合性、系统性的交叉学科，它涉及信息技术、管理科学、行为科学等多门学科内容。因此，MIS的教学必须结合各学生所学专业的特点，才能达到最后的人才培养目标。     

归纳逻辑程序设计研究

在概述机器学习的基础上,介绍归纳逻辑程序设计这一机器学习方法所使用的逻辑技术,以及ILP的一般问题背景。指出:逻辑在推动计算机系统处理复杂问题上发挥着越来越重要的作用,ILP利用逻辑技术来推进机器学习的过程无疑是它的创新之处,在赞赏ILP优点的同时,也要看到ILP的不足之处。