Learning Sparse Topical RepresentationsJun ZhuAonan ZhangEric P. Xing1
1Introduction1
2Related Work4
2.1Probabilistic LDA5
2.2Non\|negative Matrix Factorization6
3Sparse Topical Coding7
3.1A Probabilistic Generative Process8
3.2STC for MAP Estimation9
3.3Optimization with Coordinate Descent12
4Extensions14
4.1Collapsed STC14
4.2Supervised Sparse Topical Coding15
5Experiments16
5.1Sparse Word Code17
5.2Prediction Accuracy19
5.3Time Efficiency21
6Conclusion22
References23
多视图在利用未标记数据学习中的效用王魏周志华27
1引言27
2多视图在半监督学习中的效用29
3多视图在主动学习中的效用34
4多视图在主动半监督学习中的效用37
5视图分割38
6结束语39
参考文献40
知识挖掘与用户建模王海峰赵世奇向 伟徐 倩田 浩吴 甜47
1引言47
2技术综述49
3本体知识体系构建51
3.1知识挖掘52
3.2知识加工54
3.3语义计算55
3.4实验结果57
3.5基于本体知识的需求主题体系构建60
4跨产品用户日志挖掘61
4.1技术框架61
4.2跨产品用户数据session分割62
4.3跨产品用户数据关注点挖掘63
5用户建模64
5.1用户属性建模64
5.2用户兴趣建模67
5.3用户状态建模68
5.4多维度用户行为分析模型73
5.5用户兴趣模型的地域性关联分析76
6结语76
参考文献77机器学习及其应用2013
异质人脸图像合成高新波王楠楠79
1引言79
2基于子空间学习的图像合成方法80
2.1基于线性子空间学习的方法80
2.2基于流形学习的方法82
3基于贝叶斯推理的合成方法82
3.1基于嵌入式隐马尔科夫模型的方法82
3.2基于马尔科夫随机场的方法85
4基于人脸幻像思想的合成方法86
5实验结果89
6结束语91
参考文献92面向高维多视图数据的广义相关分析陈晓红陈松灿95
1引言95
1.1多视图数据95
1.2数据降维的意义与方法97
2基于相关分析的降维方法所面临的问题与解决方案99
2.1忽视多视图数据的监督信息99
2.2要求不同视图间的数据全配对101
2.3现有解决方案101
3我们的研究工作103
3.1半配对局部相关分析103
3.2半监督半配对广义相关分析110
3.3邻域相关分析121
4小结127
参考文献128基于向量场的流形学习和排序何晓飞133
1引言133
2平行向量场和线性函数134
2.1流形上半监督学习问题134
2.2平行向量场和线性函数135
2.3目标函数136
3离散化和优化137
3.1切空间和向量场离散化137
3.2梯度场计算137
3.3平行向量场计算138
3.4离散形式的目标函数139
3.5目标函数优化140
4基于平行向量场正则化的排序141
4.1向量场正则化142
4.2R1和R2的离散化143
4.3目标函数离散化143
4.4目标函数优化144
4.5实验145
5结束语与展望146
参考文献146秩极小化：理论、算法与应用林宙辰149
1引言149
2主要数学模型151
3理论分析152
4算法153
4.1加速近邻梯度法及其推广154
4.2交错方向法及其线性化157
4.3奇异值分解的计算159
5应用160
5.1背景建模160
5.2图像批量对齐160
5.3变换不变低秩纹理161
5.4运动分割163
5.5图像分割164
5.6图像显著区域检测164
6结束语166
参考文献166实值多变量维数约简单洪明张军平夏威171
1引言171
2实值多变量维数约简172
2.1切片逆回归法173
2.2切片逆回归的推广175
2.3主Hessian方向175
2.4子空间简介176
2.5稀疏充分维数约简180
2.6核维数约简181
2.7最小平方维数约简185
3树形结构的核维数约简186
3.1动机186
3.2树形算法的介绍187
3.3（残差）树形核维数约简187
3.4实验部分189
3.5结论195
4核维数约简在人群计数中的应用196
4.1核维数约简196
4.2多核学习197
5结论199
参考文献201
