機器學習理論與應用：基于云教育環(huán)境

目錄




第1章概述

1.1機器學習的興起

1.1.1機器學習的定義

1.1.2機器學習的發(fā)展

1.1.3機器學習和人工智能的關系

1.2機器學習與現(xiàn)代教育技術

1.2.1現(xiàn)代教育技術的基本概念

1.2.2現(xiàn)代教育技術的發(fā)展

1.2.3教育技術研究對象與任務

1.2.4現(xiàn)代教育技術的發(fā)展新趨勢

1.2.5機器學習與現(xiàn)代教育技術的聯(lián)系

1.3終身教育的提出

1.3.1終身學習

1.3.2特點

1.3.3意義

1.3.4終身教育和機器學習的關系

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涵

1.4.2智慧教育的體系和關鍵技術

1.4.3智慧教育的發(fā)展

1.4.4學習型社會下基于機器學習技術的智慧教育系統(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)時代機器學習云平臺

1.6深度學習

1.6.1深度問題

1.6.2核心思路

1.6.3成功案例

1.6.4深度學習在信息教育技術方面的運用

1.7流形學習

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章機器學習概述

2.1機器學習方法

2.1.1有監(jiān)督學習

2.1.2無監(jiān)督學習

2.1.3半監(jiān)督學習

2.1.4三種機器學習方法比較

2.2機器學習策略

2.2.1機械學習

2.2.2基于解釋的學習

2.2.3基于類比的學習

2.2.4基于事例的學習

2.3機器學習的主要算法和相關術語

2.3.1機器學習主要算法

2.3.2機器學習相關術語概念

第3章機器學習中概率主題模型

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

3.3.4LDA標準模型

3.3.5LDA改進觀點挖掘模型

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實驗結果及分析

4.5程序舉例

第5章基于云模型和領域判別LDA模型

5.1云模型相關理論

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用

7.1情感云最大熵LDA模型可視化應用

7.2文本分類CTM模型可視化應用

7.3程序舉例

附錄A軟件著作權登記證書

附錄B本文中CTM主題模型應用代碼

參考文獻