机器学习理论及应用

　　总序
　　前言
　　第1章 引言
　　第1篇 李群机器学习
　　第2章 李群机器学习模型
　　2.1 引言
　　2.2 李群机器学习的概念
　　2.3 李群机器学习的代数模型
　　2.4 李群机器学习的几何模型
　　2.5 李群机器学习公理假设
　　2.6 李群机器学习Dynkin图的几何学习算法
　　2.7 李群机器学习的线形分类器设计
　　2.8 本章小结
　　参考文献
　　第3章 李群机器学习(LML)子空间轨道生成算法
　　3.1 LML中偏序集及格的基本概念
　　3.2 LML子空间轨道生成格学习算法
　　3.3 LML中一般线性群GLn(Fn)作用下学习子空间轨道生成格学习算法
　　3 4 本章小结
　　参考文献
　　第4章 李群机器学习的辛群学习算法
　　4.1 问题提出
　　4.2 李群机器学习中的辛群分类器设计
　　4.3 李群机器学与中的辛群分类器算法
　　4.4 应用实例
　　4.5 本章小结
　　参考文献
　　第5章 李群机器学习的量子群学习算法
　　5.1 问题提出
　　5.2 李群机器学习中的最干群分类器构造方法
　　5.3 世子群学爿算法存分子对接巾的应用
　　5.4 本章小结
　　参考文献
　　第6章 李群机器学习的纤堆丛学习算法
　　6.1 问题提出
　　6.2 纤维丛学习模型
　　6.3 纤维丛学习算法
　　6.4 本章小结
　　参考文献
　　第2篇 动态模糊机器学习
　　第7章 动态模糊机器掌习模型
　　7.1 问题提出
　　7.2 动态模糊机器学习模型
　　7.3 动态模糊机器学习系统的相关算法
　　7.4 动态模糊机器学习系统的过程控制模型
　　7.5 动态模糊关系学习算法
　　7.6 本章小结
　　参考文献
　　第8章 动态模糊自主学习子空间学习算法
　　8.1 自主学习研究现状分析
　　8.2 基于DFL的自主学习子空间的理论体系
　　8.3 基于DFL的自主学习子空间学习算法
　　8.4 本章小结
　　参考文献
　　第9章 动态模糊决策树学习
　　9.1 决策树学习的研究现状
　　9.2 动态模糊格的决策树方法
　　9.3 动态模糊决策树特殊属性处理技术
　　9.4 动态模糊决策树的剪枝策略
　　9.5 应用
　　9.6 本章小结
　　参考文献
　　第10章 基于FDL的多Agent学习模型
　　10.1 引言
　　10.2 基于DFL的Agent心智模型
　　10.3 基于DFL的单Agent学习算法
　　10.4 基于DFL的多Agent学习模型
　　10.5 本章小结
　　参考文献
　　第3篇 其他学习方法
　　第11章 Agent普适机器学习
　　11.1 引言
　　11.2 Agent普适机器学习
　　11.3 一种Agent普适机器学习分类器设计
　　11.4 本章小结
　　参考文献
　　第12章 贝叶斯量子随机学习算法
　　12.1 问题提出
　　12.2 相关基本理论
　　12.3 贝叶斯量子随机学习模型
　　12.4 网络结构的贝叶斯量子随机学习算法设计
　　12.5 网络参数的贝叶斯量子随机学习算法设计
　　12.6 面向缺失数据的贝叶斯量子随机学习算法设计
　　12.7 本章小结
　　参考文献
　　附录
　　附录1 拓扑群
　　附录2 微分几何概念
　　附录3 流形学习算法
　　附录4 辛群的基本概念和性质
　　附录5 量子群的基本概念
　　附录6 纤维丛
　　附录7 动态模糊集(DFS)
　　附录8 动态模糊(DF)关系
　　附录9 动态模糊逻辑
　　附录10 动态模糊格及其性质
　　中英文名词对照

　　机器学习新方法研究是实现机器学服务各行各业的历史使命。根据这样的宗旨，《机器学习理论及应用》系统地介绍了李群机器学习、动态模糊机器学习、Agent普适机器学习和贝叶斯量子随机学习，共三篇十二章内容。
　　《机器学习理论及应用》可供计算机科学技术、认知科学、机器学习、人工智能、控制技术领域的高年级本科生和研究生作为教科书或参考书，也可供高校教师、科研院所的研究人员使用。