书籍详情
协作社群形成与演化机制：理论与算法
作者：许骏、柳泉波、史美林
出版社：科学出版社
出版时间：2005-03-01
ISBN：9787030152374
定价：¥15.00
购买这本书可以去
内容简介
协作社群形成与演化机制是CSCW/CSCL研究的新课题，本书尝试从可计算角度研究协作问题，将统计学习理论、支持向量机与核函数方法（这已被视为研究机器学习问题的一种基本框架）引入协作机制研究，从理论与算法两方面研究以相似关系为基础的协作社群形成与演化机制。首先分析了线性可分数据的两类分类问题，推导出最优硬间隔超平面（即硬间隔支持向量机）优化问题的原始形式和对偶形式，进一步推导出最优软间隔超平面和直推式最优超平面对应的优化问题，讨论了优化问题的求解算法。其次讨论了最优超平面的最优性数学理论基础，研究了线性不可分数据分类学习问题的核函数方法。接着介绍实现CRA系统的关键技术、仿真实验以及对实验结果的讨论。最后指出需要进一步研究的若干问题。 本书适合高等学校计算机、自协化、人工智能、模式识别等专业的教师和研究生阅读，也可作为相关领域科技工作者的参考书。
作者简介
许骏，男，1957年7月生，博士，教授。清华大学计算机科学与技术系博士后。1974年7月高中毕业下乡插队；1978年2月进入中山大学物理系无线电物理专业学习，1982年2月起在广东江门无线电三厂工作；1986年9月至1988年1月在中山大学电子系数字通信专业研究生课程班学习；1988年2月起在广东佛山市工作，先后在高校和企业从事计算机应用研究与教学工作。203年1月进入清华大学计算机科学与技术系博士后流动站，主要从事计算机网络技术及应用研究。近年来领导研究团队在测评自动化、网络计算机以及计算机支持的协同工作研究等做了开创性工作，研究工作跻身国际行进水平。史美林教授，男，1938生，浙江余姚人。1956年毕业于浙江余姚中学（1950：1956）。1962年毕业于清华大学自动控制系计算机专业（1956：1962）。德国洪堡（AlexandervonHumboldtStiftung）研究基金学者。1980.09-1982.12获德国洪堡研究奖学金，在德国斯图加特大学信息所（系）从事计算机操作系统、计算机网络的研究。1993.05：1994.02由国家教委派遣，同时再获洪堡研究奖学金，赴德国国家信息研究中心GMD的达姆斯塔德市（Darmstadt）通信研究所，作为客座高级研究员从事计算机网络和多媒体应用技术的研究。1996.：2002期间又有三次作为客座教授赴该所从事CSCW方面的研究工作。
目录
序言
前言
符号约定
引论
0.1 协作研究
0.2 协作社群
0.3 研究内容
0.4 本书结构
第1章 优化理论
1.1 数学预备知识
1.2 最优性条件
1.3 拉格朗日对偶性
第2章 线性学习机器
2.1 最优超平面原始问题
2.2 最优超平面对偶问题
2.3 优化算法
第3章 统计学习理论和核方法
3.1 统计学习理论
3.2 核方法
第4章 系统原型与仿真实验
4.1 即时通信
4.2 文献处理
4.3 实验结果
结束语
附录A 背景知识
Table of Contents
Foreword
Preface
Notation and Symbols
Introduction
0.1 Researches on Collaboration
0.2 Online Collaboration Communities
0.3 Goals
0.4 Structure of This Book
Chap. 1 Optimization Theory
1.1 Concepts
1.2 Optimality Conditions
1.3 Lagrangian Duality
Chap. 2 Linear Learning Machines
2.1 Primal-Form Maximal-Margin Classifiers
2.2 Dual-Form Maximal-Margin Classifiers
2.3 Solving Algorithms
Chap.3 Statistical Learning Theory and Kernel Methods
3.1 Statistical Learning Theory
3.2 Kernel Methods
Chap.4 Experiment Results and Implementations
4.1 Instant Messenging
4.2 Text Processing
4.3 Experiment Results
Conclusions
A Mathematical Prerequisites
A. 1 Linear Algebra
A. 2 Analysis
B A Typical MSNFTP Session
B. 1 Invitation Stage
B. 2 File Transfer Stage
Bibliography
Index of Graphs and Tables
Index of Algorithms and Theorems
Index of Terms
前言
符号约定
引论
0.1 协作研究
0.2 协作社群
0.3 研究内容
0.4 本书结构
第1章 优化理论
1.1 数学预备知识
1.2 最优性条件
1.3 拉格朗日对偶性
第2章 线性学习机器
2.1 最优超平面原始问题
2.2 最优超平面对偶问题
2.3 优化算法
第3章 统计学习理论和核方法
3.1 统计学习理论
3.2 核方法
第4章 系统原型与仿真实验
4.1 即时通信
4.2 文献处理
4.3 实验结果
结束语
附录A 背景知识
Table of Contents
Foreword
Preface
Notation and Symbols
Introduction
0.1 Researches on Collaboration
0.2 Online Collaboration Communities
0.3 Goals
0.4 Structure of This Book
Chap. 1 Optimization Theory
1.1 Concepts
1.2 Optimality Conditions
1.3 Lagrangian Duality
Chap. 2 Linear Learning Machines
2.1 Primal-Form Maximal-Margin Classifiers
2.2 Dual-Form Maximal-Margin Classifiers
2.3 Solving Algorithms
Chap.3 Statistical Learning Theory and Kernel Methods
3.1 Statistical Learning Theory
3.2 Kernel Methods
Chap.4 Experiment Results and Implementations
4.1 Instant Messenging
4.2 Text Processing
4.3 Experiment Results
Conclusions
A Mathematical Prerequisites
A. 1 Linear Algebra
A. 2 Analysis
B A Typical MSNFTP Session
B. 1 Invitation Stage
B. 2 File Transfer Stage
Bibliography
Index of Graphs and Tables
Index of Algorithms and Theorems
Index of Terms
猜您喜欢
