- 作 者：马长林，郑世珏，刘三？著
- 出 版 社：北京：清华大学出版社
- 出版年份：2019
- ISBN：9787302514053
- 注意：在使用云解压之前，请认真核对实际PDF页数与内容!
在线云解压
价格(点数)
购买连接
说明
转为PDF格式
8
（在线云解压服务）
云解压服务说明
1、本站所有的云解压默认都是转为PDF格式，该格式图书只能阅读和打印，不能再次编辑。
云解压下载及付费说明
1、所有的电子图书云解压均转换为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、云解压在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
第1章 概述 1
1.1 机器学习的兴起 1
1.1.1 机器学习的定义 1
1.1.2 机器学习的发展 2
1.1.3 机器学习和人工智能的关系 3
1.2 机器学习与现代教育技术 3
1.2.1 现代教育技术的基本概念 4
1.2.2 现代教育技术的发展 4
1.2.3 教育技术研究对象与任务 5
1.2.4 现代教育技术的发展新趋势 5
1.2.5 机器学习与现代教育技术的联系 6
1.3 终身教育的提出 7
1.3.1 终身学习 7
1.3.2 特点 7
1.3.3 意义 8
1.3.4 终身教育和机器学习的关系 8
1.4 大数据时代智慧教育的发展 9
1.4.1 智慧教育的概念和内涵 9
1.4.2 智慧教育的体系和关键技术 10
1.4.3 智慧教育的发展 11
1.4.4 学习型社会下基于机器学习技术的智慧教育系统 11
1.5 云教育的支撑 12
1.5.1 云教育平台 12
1.5.2 教育云 13
1.5.3 大数据时代机器学习云平台 13
1.6 深度学习 14
1.6.1 深度问题 15
1.6.2 核心思路 15
1.6.3 成功案例 16
1.6.4 深度学习在信息教育技术方面的运用 16
1.7 流形学习 17
1.7.1 等距映射 17
1.7.2 LE 18
1.7.3 LLE 18
1.7.4 PCA 18
1.7.5 MDS 19
1.8 知识图谱 19
1.8.1 知识图谱特点 19
1.8.2 中文知识图谱 20
第2章 机器学习概述 22
2.1 机器学习方法 22
2.1.1 有监督学习 22
2.1.2 无监督学习 23
2.1.3 半监督学习 24
2.1.4 三种机器学习方法比较 25
2.2 机器学习策略 25
2.2.1 机械学习 26
2.2.2 基于解释的学习 26
2.2.3 基于类比的学习 27
2.2.4 基于事例的学习 27
2.3 机器学习的主要算法和相关术语 28
2.3.1 机器学习主要算法 28
2.3.2 机器学习相关术语概念 30
第3章 机器学习中概率主题模型 32
3.1 LSA模型 33
3.2 PLSA模型 33
3.3 LDA模型 34
3.3.1 多项式分布 34
3.3.2 Dirichlet分布 35
3.3.3 贝叶斯网络 36
3.3.4 LDA标准模型 36
3.3.5 LDA改进观点挖掘模型 38
3.4 CTM模型 41
第4章 基于主题情感最大熵LDA模型 45
4.1 TSU MaxEnt-LDA模型描述 45
4.2 TSU MaxEnt-LDA模型生成过程 46
4.3 TSU MaxEnt-LDA模型推理 48
4.3.1 MaxEnt最大熵模型推理 48
4.3.2 TSU MaxEnt-LDA主题模型推理 49
4.4 仿真实验 51
4.4.1 实验平台 51
4.4.2 实验数据描述 51
4.4.3 实验数据预处理 52
4.4.4 实验参数说明 52
4.4.5 实验步骤 52
4.4.6 实验结果及分析 53
4.5 程序举例 57
第5章 基于云模型和领域判别LDA模型 75
5.1 云模型相关理论 75
5.1.1 云模型的定义 76
5.1.2 云模型的数字特征 76
5.1.3 云模型的“3En规则” 77
5.1.4 正向云和逆向云发生器 78
5.1.5 云的相似度算法 78
5.2 SC MaxEnt-LDA模型 80
5.2.1 模型描述 80
5.2.2 模型生成过程 80
5.2.3 模型推理 83
5.2.4 基于云模型理论的情感修正算法 85
5.3 SC MaxEnt-LDA仿真实验 86
5.3.1 数据集和实验环境 86
5.3.2 实验步骤 87
5.4 DI-LDA模型 89
5.4.1 模型简介 89
5.4.2 模型推理 91
5.5 DI-LDA模型仿真实验 93
5.5.1 实验平台和实验数据描述处理 93
5.5.2 实验步骤 94
5.6 程序举例 97
第6章 CTM模型文本分类和观点挖掘 111
6.1 文本分类概述 111
6.1.1 文本预处理 111
6.1.2 文本表示 112
6.1.3 特征提取 112
6.1.4 文本分类方法 113
6.1.5 性能评估 114
6.1.6 相关工具 115
6.2 CTM文本分类模型 115
6.2.1 模型描述 116
6.2.2 CTM模型主题数目优化 117
6.2.3 CTM模型的特征选择优化 118
6.2.4 仿真实验 120
6.3 基于主题情感混合的CTM观点挖掘模型 124
6.3.1 STCTM模型简介 124
6.3.2 STCTM模型推理 126
6.3.3 主题相关性分析实验 127
6.4 程序举例 129
第7章 云教育平台主题模型可视化应用 137
7.1 情感云最大熵LDA模型可视化应用 137
7.2 文本分类CTM模型可视化应用 142
7.3 程序举例 146
附录A 软件著作权登记证书 151
附录B 本文中CTM主题模型应用代码 153
参考文献 172