机器学习理论与应用：基于云教育环境

目录

第1章概述

1.1机器学习的兴起

1.1.1机器学习的定义

1.1.2机器学习的发展

1.1.3机器学习和人工智能的关系

1.2机器学习与现代教育技术

1.2.1现代教育技术的基本概念

1.2.2现代教育技术的发展

1.2.3教育技术研究对象与任务

1.2.4现代教育技术的发展新趋势

1.2.5机器学习与现代教育技术的联系

1.3终身教育的提出

1.3.1终身学习

1.3.2特点

1.3.3意义

1.3.4终身教育和机器学习的关系

1.4大数据时代智慧教育的发展

1.4.1智慧教育的概念和内涵

1.4.2智慧教育的体系和关键技术

1.4.3智慧教育的发展

1.4.4学习型社会下基于机器学习技术的智慧教育系统

1.5云教育的支撑

1.5.1云教育平台

1.5.2教育云

1.5.3大数据时代机器学习云平台

1.6深度学习

1.6.1深度问题

1.6.2核心思路

1.6.3成功案例

1.6.4深度学习在信息教育技术方面的运用

1.7流形学习

1.7.1等距映射

1.7.2LE

1.7.3LLE

1.7.4PCA

1.7.5MDS

1.8知识图谱

1.8.1知识图谱特点

1.8.2中文知识图谱

第2章机器学习概述

2.1机器学习方法

2.1.1有监督学习

2.1.2无监督学习

2.1.3半监督学习

2.1.4三种机器学习方法比较

2.2机器学习策略

2.2.1机械学习

2.2.2基于解释的学习

2.2.3基于类比的学习

2.2.4基于事例的学习

2.3机器学习的主要算法和相关术语

2.3.1机器学习主要算法

2.3.2机器学习相关术语概念

第3章机器学习中概率主题模型

3.1LSA模型

3.2PLSA模型

3.3LDA模型

3.3.1多项式分布

3.3.2Dirichlet分布

3.3.3贝叶斯网络

3.3.4LDA标准模型

3.3.5LDA改进观点挖掘模型

3.4CTM模型

第4章基于主题情感最大熵LDA模型

4.1TSU MaxEntLDA模型描述

4.2TSU MaxEntLDA模型生成过程

4.3TSU MaxEntLDA模型推理

4.3.1MaxEnt最大熵模型推理

4.3.2TSU MaxEntLDA主题模型推理

4.4仿真实验

4.4.1实验平台

4.4.2实验数据描述

4.4.3实验数据预处理

4.4.4实验参数说明

4.4.5实验步骤

4.4.6实验结果及分析

4.5程序举例

第5章基于云模型和领域判别LDA模型

5.1云模型相关理论

5.1.1云模型的定义

5.1.2云模型的数字特征

5.1.3云模型的“3En规则”

5.1.4正向云和逆向云发生器

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模型生成过程

5.2.3模型推理

5.2.4基于云模型理论的情感修正算法

5.3SC MaxEntLDA仿真实验

5.3.1数据集和实验环境

5.3.2实验步骤

5.4DILDA模型

5.4.1模型简介

5.4.2模型推理

5.5DILDA模型仿真实验

5.5.1实验平台和实验数据描述处理

5.5.2实验步骤

5.6程序举例

第6章CTM模型文本分类和观点挖掘

6.1文本分类概述

6.1.1文本预处理

6.1.2文本表示

6.1.3特征提取

6.1.4文本分类方法

6.1.5性能评估

6.1.6相关工具

6.2CTM文本分类模型

6.2.1模型描述

6.2.2CTM模型主题数目优化

6.2.3CTM模型的特征选择优化

6.2.4仿真实验

6.3基于主题情感混合的CTM观点挖掘模型

6.3.1STCTM模型简介

6.3.2STCTM模型推理

6.3.3主题相关性分析实验

6.4程序举例

第7章云教育平台主题模型可视化应用

7.1情感云最大熵LDA模型可视化应用

7.2文本分类CTM模型可视化应用

7.3程序举例

附录A软件著作权登记证书

附录B本文中CTM主题模型应用代码

参考文献