机器学习及其应用2013

learning sparse topical representations
  1  introduction
  2  related work
  2.1  probabilistic lda
  2.2  non-negative matrix faetorization
  3  sparse topical coding
  3.1  a probabilistic generative process
  3.2  stc for map estimation
  3.3  optimization with coordinate descent
  4  extensions
  4.1  collapsed stc
  4.2  supervised sparse topical coding
  5  experiments
  5.1  sparse word code
  5.2  prediction accuracy
  5.3  time efficiency
  6  conclusion
  references
多视图在利用未标记数据学习中的效用
  1  引言
  2  多视图在半监督学习中的效用
  3  多视图在主动学习中的效用
  4  多视图在主动半监督学习中的效用
  5  视图分割
  6  结束语
  参考文献
知识挖掘与用户建模
  1  引言
  2  技术综述
  3  本体知识体系构建
  3.1  知识挖掘
  3.2  知识加工
  3.3  语义计算
  3.4  实验结果
  3.5  基于本体知识的需求主题体系构建
  4  跨产品用户日志挖掘
  4.1  技术框架
  4.2  跨产品用户数据scssion分割
  4.3  跨产品用户数据关注点挖掘
  5  用户建模
  5.1  用户属性建模
  5.2  用户兴趣建模
  5.3  用户状态建模
  5.4  多维度用户行为分析模型
  5.5  用户兴趣模型的地域性关联分析
  6  结语
  参考文献
异质人脸图像合成
  1  引言
  2  基于子空间学习的图像合成方法
  2.1  基于线性子空间学习的方法
  2.2  基于流形学习的方法
  3  基于贝叶斯推理的合成方法
  3.1  基于嵌入式隐马尔科夫模型的方法
  3.2  基于马尔科夫随机场的方法
  4  基于人脸幻像思想的合成方法
  5  实验结果
  6  结束语
  参考文献
面向高维多视图数据的广义相关分析
  1  引言
  1.1  多视图数据
  1.2  数据降维的意义与方法
  2  基于相关分析的降维方法所面临的问题与解决方案
  2.1  忽视多视图数据的监督信息
  2.2  要求不同视图间的数据全配对
  2.3  现有解决方案
  3  我们的研究工作
  3.1  半配对局部相关分析
  3.2  半监督半配对广义相关分析
  3.3  邻域相关分析
  4  小结
  参考文献
基于向量场的流形学习和排序
  1  引言
  2  平行向量场和线性函数
  2.1  流形上半监督学习问题
  2.2  平行向量场和线性函数
  2.3  目标函数
  3  离散化和优化
  3.1  切空间和向量场离散化
  3.2  梯度场计算
  3.3  平行向量场计算
  3.4  离散形式的目标函数
  3.5  目标函数优化
  4  基于平行向量场正则化的排序
  4.1  向量场正则化
  4.2  尺1和及2的离散化
  4.3  目标函数离散化
  4.4  目标函数优化
  4.5  实验
  5  结束语与展望
  参考文献
秩极小化：理论、算法与应用
  1  引言
  2  主要数学模型
  3  理论分析
  4  算法
  4.1  加速近邻梯度法及其推广
  4.2  交错方向法及其线性化
  4.3  奇异值分解的计算
  5  应用
  5.1  背景建模
  5.2  图像批量对齐
  5.3  变换不变低秩纹理
  5.4  运动分割
  5.5  图像分割
  5.6  图像显著区域检测
  6  结束语
  参考文献
实值多变量维数约简
  1  引言
  2  实值多变量维数约简
  2.1  切片逆回归法
  2.2  切片逆回归的推广
  2.3  主hessian方向
  2.4  子空间简介
  2.5  稀疏充分维数约简
  2.6  核维数约简
  2.7  *小平方维数约简
3  树形结构的核维数约简
  3.1  动机
  3.2  树形算法的介绍
  3.3  (残差)树形核维数约简
  3.4  实验部分
  3.5  结论
4  核维数约简在人群计数中的应用
  4.1  核维数约简
  4.2  多核学习
5  结论
参考文献