统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 深度学习 第八节 支持向量机 第九节 MATLAB的应用实例

4.3.1 ALOHA协议 1. 纯ALOHA协议 2. 时隙ALOHA协议 3. 时隙ALOHA协议稳定性分析 4. 稳定的时隙ALOHA协议伪贝叶斯算法

本文采用贝叶斯MCMC模拟技术对我国铜、铝、大豆和小麦市场进行了实证分析，研究结果显示：与正态分布、学生分布和广义误差分布相比，基于混合正态分布的随机波动模型能更好地刻画隔夜信息对日间交易的影响．

双参数情况下的最大似然法举例 利用MINUIT数值求解最小值 推广的最大似然法 利用最大似然法处理分区数据 检验最大似然法的拟合优度 与贝叶斯参数估计之间的关系

 自然语言处理概述 ◼ 什么是自然语言处理 ◼ 自然语言处理的典型应用 ◼ 自然语言处理的基本任务 ◼ 自然语言处理的基本策略和实现方法 ◼ 自然语言处理的难点 ◼ 自然语言处理所涉及的学科  基于规则（知识工程）的自然语言处理方法（理性方法，传统方法） ◼ 基于词典和规则的形态还原（英语）、词性标注以及分词（汉语、日语） ◼ 基于CFG（上下文无关文法）和扩充的CFG（复杂特征集、合一运算）的句法分析 ◼ 基于逻辑形式和格语法的句义分析 ◼ 基于规则的机器翻译  基于语料库（数据）的自然语言处理方法（经验方法） ◼ 语言模型（N元文法） ◼ 分词、词性标注（序列化标注模型） ◼ 句法分析（概率上下文无关模型、移进-规约分析器） ◼ 文本分类（朴素贝叶斯模型、最大熵模型） ◼ 情感分析 ◼ 机器翻译 (IBM Model等) ◼ ......（基于神经网络的深度学习方法）

为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的剪枝方法,并扩展互信息标准到多关系情况下.基于元组号传播方法和面向元组的统计计数方法,给出了基于扩展互信息标准进行属性选择的方法和步骤,并建立了一种基于扩展互信息的多关系朴素贝叶斯分类器.标准数据集上的实验显示,基于扩展互信息标准进行属性选择,可以在不增加算法时间复杂度的前提下,找到与分类属性最相关的属性,并在仅有极少属性参与分类时,得到较高的分类准确率.Mutagenesis数据集上的实验则显示,这种属性选择可以使多关系问题退化为单关系问题,大大降低了分类代价

R·B·迈尔森教授的《博弈论一矛盾冲突分析》一书，全面透彻地考察了非合作博弈及合作博弈的数学模型，阐明了博弈论的方法原理，讨论了展开型博弈的序贯均衡和策略型博弈均衡的精炼，综述了通信博弈、重复博弈、不完全信息贝叶斯博弈等专题，并吸收了博弈论的最新进展。全书内容丰富，取材精练，叙述深人浅出，思想方法与应用并重，特别是在经济理论方面的富有成效的应用。阅读本书所需要的数学知识只是微积分、线性代数和概率论等方面的基本知识，因而适合于本科生高年级和研究生低年级学生，以及想了解博弈论基本方法及其在经济理论中运用的经济学家阅读使用