李群機器學習

總序
序
第1章 引論
1.1 引言
1.2 李群機器學習的基本概念
1.3 李群機器學習的公理假設
1.4 李群機器學習的學習模型
1.5 李群機器學習中的Dynkin圖幾何學習算法
1.6 李群機器學習的分類器設計
1.7 本書內容安排
參考文獻

第2章 李群覆蓋學習
2.1 李群機器學習覆蓋算法的相關理論
2.2 李群機器學習的單連通覆蓋算法
2.3 李群機器學習的多連通覆蓋算法
2.4 覆蓋算法在分子對接中的應用
2.5 本章小結
參考文獻

第3章 李群深層結構學習
3.1 引言
3.2 李群深層結構學習
3.3 李群逐層學習算法
3.4 李群深層結構啟發(fā)式學習算法
3.5 本章小結
參考文獻

第4章 李群半監(jiān)督學習
4.1 引言
4.2 基于李群的半監(jiān)督學習模型
4.3 基于線性李群的半監(jiān)督學習算法
4.4 基于參數(shù)李群的半監(jiān)督學習算法
4.5 本章小結
參考文獻

第5章 李群核學習
5.1 矩陣群學習算法
5.2 李群上的Gauss分布
5.3 李群內均值的計算
5.4 李群均值學習算法
5.5 李群核學習算法
5.6 實例應用
5.7 本章小結
參考文獻

第6章 張量學習
6.1 基于張量方法的數(shù)據(jù)約簡
6.2 基于張量場的數(shù)據(jù)約簡模型
6.3 基于張量場的學習模型及算法設計
6.4 本章小結
參考文獻

第7章 標架叢上的聯(lián)絡學習
7.1 標架叢上的縱空間學習模型
7.2 標架叢上的縱空間聯(lián)絡學習算法
7.3 標架叢上的橫空間學習模型及相關算法過程
7.4 標架叢上的橫空間與縱空間學習算法的應用
7.5 本章小結
參考文獻

第8章 譜估計學習
8.1 譜估計概念及定義
8.2 相關理論基礎
8.3 同步譜估計學習算法
8.4 圖像特征流形的比較原則
8.5 圖像特征流形拓撲不變性的譜估計學習算法
8.6 基于圖像特征流形拓撲不變性譜估計的聚類算法
8.7 本章小結
參考文獻

第9章 Finsler幾何學習
9.1 基本概念
9.2 基于Finsler度量的KNN算法
9.3 基于Finsler度量的幾何學習算法
9.4 本章小結
參考文獻

第10章 同調邊緣學習
10.1 邊緣學習算法
10.2 基于同調代數(shù)的邊緣劃分方法
10.3 同調邊緣學習算法設計與分析
10.4 本章小結
參考文獻

第11章 基于范疇理論的學習方法
11.1 引言
11.2 學習表達式的范疇表示
11.3 學習表達式的映射機制
11.4 學習表達式映射機制的分類器設計
11.5 實例分析
11.6 本章小結
參考文獻
漢英名詞對照