機器學(xué)習(xí)理論與應(yīng)用：基于云教育環(huán)境

目錄




第1章概述

1.1機器學(xué)習(xí)的興起

1.1.1機器學(xué)習(xí)的定義

1.1.2機器學(xué)習(xí)的發(fā)展

1.1.3機器學(xué)習(xí)和人工智能的關(guān)系

1.2機器學(xué)習(xí)與現(xiàn)代教育技術(shù)

1.2.1現(xiàn)代教育技術(shù)的基本概念

1.2.2現(xiàn)代教育技術(shù)的發(fā)展

1.2.3教育技術(shù)研究對象與任務(wù)

1.2.4現(xiàn)代教育技術(shù)的發(fā)展新趨勢

1.2.5機器學(xué)習(xí)與現(xiàn)代教育技術(shù)的聯(lián)系

1.3終身教育的提出

1.3.1終身學(xué)習(xí)

1.3.2特點

1.3.3意義

1.3.4終身教育和機器學(xué)習(xí)的關(guān)系

1.4大數(shù)據(jù)時代智慧教育的發(fā)展

1.4.1智慧教育的概念和內(nèi)涵

1.4.2智慧教育的體系和關(guān)鍵技術(shù)

1.4.3智慧教育的發(fā)展

1.4.4學(xué)習(xí)型社會下基于機器學(xué)習(xí)技術(shù)的智慧教育系統(tǒng)

1.5云教育的支撐

1.5.1云教育平臺

1.5.2教育云

1.5.3大數(shù)據(jù)時代機器學(xué)習(xí)云平臺

1.6深度學(xué)習(xí)

1.6.1深度問題

1.6.2核心思路

1.6.3成功案例

1.6.4深度學(xué)習(xí)在信息教育技術(shù)方面的運用

1.7流形學(xué)習(xí)

1.7.1等距映射

1.7.2LE

1.7.3LLE

1.7.4PCA

1.7.5MDS

1.8知識圖譜

1.8.1知識圖譜特點

1.8.2中文知識圖譜

第2章機器學(xué)習(xí)概述

2.1機器學(xué)習(xí)方法

2.1.1有監(jiān)督學(xué)習(xí)

2.1.2無監(jiān)督學(xué)習(xí)

2.1.3半監(jiān)督學(xué)習(xí)

2.1.4三種機器學(xué)習(xí)方法比較

2.2機器學(xué)習(xí)策略

2.2.1機械學(xué)習(xí)

2.2.2基于解釋的學(xué)習(xí)

2.2.3基于類比的學(xué)習(xí)

2.2.4基于事例的學(xué)習(xí)

2.3機器學(xué)習(xí)的主要算法和相關(guān)術(shù)語

2.3.1機器學(xué)習(xí)主要算法

2.3.2機器學(xué)習(xí)相關(guān)術(shù)語概念

第3章機器學(xué)習(xí)中概率主題模型

3.1LSA模型

3.2PLSA模型

3.3LDA模型

3.3.1多項式分布

3.3.2Dirichlet分布

3.3.3貝葉斯網(wǎng)絡(luò)

3.3.4LDA標(biāo)準(zhǔn)模型

3.3.5LDA改進(jìn)觀點挖掘模型

3.4CTM模型

第4章基于主題情感最大熵LDA模型

4.1TSU MaxEntLDA模型描述

4.2TSU MaxEntLDA模型生成過程

4.3TSU MaxEntLDA模型推理

4.3.1MaxEnt最大熵模型推理

4.3.2TSU MaxEntLDA主題模型推理

4.4仿真實驗

4.4.1實驗平臺

4.4.2實驗數(shù)據(jù)描述

4.4.3實驗數(shù)據(jù)預(yù)處理

4.4.4實驗參數(shù)說明

4.4.5實驗步驟

4.4.6實驗結(jié)果及分析

4.5程序舉例

第5章基于云模型和領(lǐng)域判別LDA模型

5.1云模型相關(guān)理論

5.1.1云模型的定義

5.1.2云模型的數(shù)字特征

5.1.3云模型的“3En規(guī)則”

5.1.4正向云和逆向云發(fā)生器

5.1.5云的相似度算法

5.2SC MaxEntLDA模型

5.2.1模型描述

5.2.2模型生成過程

5.2.3模型推理

5.2.4基于云模型理論的情感修正算法

5.3SC MaxEntLDA仿真實驗

5.3.1數(shù)據(jù)集和實驗環(huán)境

5.3.2實驗步驟

5.4DILDA模型

5.4.1模型簡介

5.4.2模型推理

5.5DILDA模型仿真實驗

5.5.1實驗平臺和實驗數(shù)據(jù)描述處理

5.5.2實驗步驟

5.6程序舉例

第6章CTM模型文本分類和觀點挖掘

6.1文本分類概述

6.1.1文本預(yù)處理

6.1.2文本表示

6.1.3特征提取

6.1.4文本分類方法

6.1.5性能評估

6.1.6相關(guān)工具

6.2CTM文本分類模型

6.2.1模型描述

6.2.2CTM模型主題數(shù)目優(yōu)化

6.2.3CTM模型的特征選擇優(yōu)化

6.2.4仿真實驗

6.3基于主題情感混合的CTM觀點挖掘模型

6.3.1STCTM模型簡介

6.3.2STCTM模型推理

6.3.3主題相關(guān)性分析實驗

6.4程序舉例

第7章云教育平臺主題模型可視化應(yīng)用

7.1情感云最大熵LDA模型可視化應(yīng)用

7.2文本分類CTM模型可視化應(yīng)用

7.3程序舉例

附錄A軟件著作權(quán)登記證書

附錄B本文中CTM主題模型應(yīng)用代碼

參考文獻(xiàn)