基于復雜網絡的機器學習方法

譯者序
前言
作者簡介
符號列表
第1章概述
1.1背景
1.2本書主要內容
1.3本書結構
參考文獻
第2章復雜網絡
2.1圖論簡介
2.1.1圖的定義
2.1.2圖的連通性
2.1.3路徑和環(huán)路
2.1.4子圖
2.1.5樹和森林
2.1.6圖的矩陣表示
2.2網絡演化模型
2.2.1隨機網絡
2.2.2小世界網絡
2.2.3無標度網絡
2.2.4隨機聚類網絡
2.2.5核心邊緣網絡
2.3復雜網絡的統計描述
2.3.1度和度相關性
2.3.2距離和路徑
2.3.3網絡結構
2.3.4網絡中心性
2.3.5復雜網絡度量方法的分類
2.4復雜網絡上的動力學過程
2.4.1隨機游走
2.4.2惰性隨機游走
2.4.3自避行走
2.4.4游客漫步
2.4.5流行病傳播
2.5本章小結
參考文獻
第3章機器學習
3.1引言
3.2監(jiān)督學習
3.2.1數學表達式和基本假設
3.2.2主要算法
3.3無監(jiān)督學習
3.3.1數學表達式和基本假設
3.3.2主要算法
3.4半監(jiān)督學習
3.4.1研究目的
3.4.2數學表達式和基本假設
3.4.3主要算法
3.5基于網絡的機器學習方法概述
3.6本章小結
參考文獻
第4章網絡構建技術
4.1引言
4.2相似性與相異性
4.2.1定義
4.2.2基于向量形式的相似性函數實例
4.3向量數據的網絡轉化
4.3.1k近鄰和半徑網絡
4.3.2k近鄰和半徑組合的網絡構建技術
4.3.3b匹配網絡
4.3.4線性鄰域網絡
4.3.5松弛線性鄰域網絡
4.3.6聚類啟發(fā)式網絡
4.3.7重疊直方圖網絡
4.3.8其他網絡構建技術
4.4時間序列數據的網絡轉化
4.4.1周期網絡
4.4.2相關網絡
4.4.3循環(huán)網絡
4.4.4轉移網絡
4.5網絡構建方法分類
4.6非結構化數據網絡轉化的難點
4.7本章小結
參考文獻
第5章基于網絡的監(jiān)督學習
5.1引言
5.2典型的基于網絡的監(jiān)督學習技術
5.2.1基于k關聯圖的分類算法
5.2.2網絡學習工具：NetKit
5.2.3易訪問啟發(fā)式的分類算法
5.3本章小結
參考文獻
第6章基于網絡的無監(jiān)督學習
6.1引言
6.2社團檢測算法
6.2.1相關概念
6.2.2數學表達式和基本假設
6.2.3前沿技術綜述
6.2.4社團檢測基準
6.3典型的基于網絡的無監(jiān)督學習技術
6.3.1介數
6.3.2模塊度最大化
6.3.3譜平分法
6.3.4基于粒子競爭模型的社團檢測
6.3.5變色龍算法
6.3.6基于空間變換和群體動力學的社團檢測
6.3.7同步方法
6.3.8重疊社團挖掘
6.3.9網絡嵌入與降維
6.4本章小結
參考文獻
第7章基于網絡的半監(jiān)督學習
7.1引言
7.2數學假設
7.3典型的基于網絡的半監(jiān)督學習技術
7.3.1最大流和最小割
7.3.2高斯隨機場和調和函數
7.3.3Tikhonov正則化框架
7.3.4局部和全局一致性算法
7.3.5附著法
7.3.6模塊化方法
7.3.7相互作用力
7.3.8判別式游走
7.4本章小結
參考文獻
第8章基于網絡的監(jiān)督學習專題研究：高級數據分類
8.1引言
8.2問題提出
8.3高級分類模型
8.3.1高級分類模型的總體思路
8.3.2混合分類框架的構建
8.4高級分類器的構建方法
8.4.1傳統的基于網絡度量方法的高級分類器構建
8.4.2基于隨機游走的高級分類器構建
8.5高級分類器的數值分析
8.5.1高級分類器應用樣本
8.5.2參數敏感性分析
8.6應用：手寫數字識別
8.6.1相關研究
8.6.2手寫數字數據集MNIST
8.6.3圖像相似性計算算法
8.6.4混合分類框架中的低級分類技術
8.6.5混合分類器的性能
8.6.6手寫數字識別樣本8.7本章小結
參考文獻
第9章基于網絡的無監(jiān)督學習專題研究：隨機競爭學習
9.1引言
9.2隨機競爭學習算法模型
9.2.1模型原理
9.2.2轉移矩陣的推導
9.2.3隨機非線性動力系統的定義
9.2.4計算社團數目的方法
9.2.5重疊結構的檢測方法
9.2.6參數敏感性分析
9.2.7收斂分析
9.3模型的理論分析
9.3.1數學分析
9.3.2粒子競爭模型與傳統的多粒子隨機游走
9.3.3樣本分析
9.4重疊節(jié)點及社團檢測的數值分析
9.4.1扎卡里空手道俱樂部網絡
9.4.2海豚社交網絡
9.4.3《悲慘世界》人物關系網絡
9.5應用：手寫數字識別和字母聚類
9.5.1數據集情況
9.5.2最優(yōu)粒子數和集簇數
9.5.3手寫數字或字母聚類
9.6本章小結
參考文獻
第10章基于網絡的半監(jiān)督學習專題研究：隨機競爭合作學習
10.1引言
10.2隨機競爭合作模型
10.2.1半監(jiān)督學習與無監(jiān)督學習的差異
10.2.2半監(jiān)督學習環(huán)境
10.2.3競爭轉移矩陣的修正
10.2.4系統初始條件的修正
10.3模型的理論分析
10.3.1數學分析
10.3.2樣本分析
10.4模型的數值分析
10.4.1人工合成數據集上的模擬
10.4.2真實數據集上的模擬
10.5應用：錯誤標記數據集上的錯誤標簽傳播檢測和預防
10.5.1問題提出
10.5.2錯誤標記訓練集的檢測
10.5.3錯誤標簽傳播的預防
10.5.4競爭合作模型學習系統的修正
10.5.5參數敏感性分析
10.5.6計算機模擬
10.6本章小結
參考文獻