《机器学习与知识获取》求取 ⇩

目 录1

第一章机器学习概论1

1.1什么是学习1

1.2机器学习发展史6

1.3机器学习分类11

1.4计算学习理论20

第二章示例学习22

2.1归纳学习的基础22

2.2基本概括策略42

2.3启发式学习57

5.4基于范例学习 169

2.4构造决策树法（ID3）77

第六章基于遗传算法的学习 178

3.1概念聚类83

第三章从观察和发现中学习83

3.2定理发现101

3.3概念发现114

第四章基于解释学习126

4.1基于解释的概括127

4.2 EGGS方法135

4.3 Prodigy系统的基于解释学习140

4.4 EBL的可操作性准则和不完善领域理论问题150

第五章类比学习155

5.1类比学习概论155

5.2转换类比159

5.3派生类比166

6.1遗传算法178

6.2分类系统187

第七章神经网络与连结学习197

7.1 神经网络197

7.2神经网络模型200

7.3神经网络的学习206

7.4神经网络应用实例 手写体汉字识别210

第八章知识获取215

8.1知识获取概论216

8.2知识获取的会谈技术223

8.3知识获取的储存格技术229

8.4知识获取的概念组织技术244

8.5知识获取的决策分析技术250

8.6多专家知识获取技术254

8.7知识求精257

第九章知识获取工具261

9.1知识获取工具及其分类261

9.2基于个人结构心理学的知识获取工具ETS267

9.3智能知识获取工具MORE275

参考文献286