本书共9章，主要针对机器学习中监督与无监督学习的相关方法及应用领域进行研究，从主题模型、并行优化、行人重识别、图像识别的角度进行分析和介绍。第1章对监督概率主题模型和无监督聚类模型的研究背景进行详细介绍，从实际应用和技术方面两个角度详细介绍其中的研究和应用价值。第2章介绍面向文档表示的监督主题模型，主要包含两种改进的思路，即基于文档生成过程的监督模型和面向学术搜索的监督模型。第3章介绍面向文本分析的半监督主题模型。第4章针对单机环境下频繁模式增长算法无法满足大规模数据计算任务的问题，介绍面向并行优化的无监督学习模型。第5章介绍面向选址问题的无监督学习模型。第6章介绍面向特征融合的无监督学习模型。第7章介绍面向视图分析的无监督学习模型。第8章介绍面向数据处理的无监督学习模型。第9章介绍面向样本分析的无监督学习模型。

韦伟，1970年2月生，安徽全椒人，现任安徽工业大学管理科学与工程学院副教授，硕士生导师，1991年毕业于北京科技大学信息系统专业。省高新技术企业安徽学府、安徽云轨公司合伙人，安徽省技术领军人才，安徽省特支计划人才，安徽优秀软件人才，马鞍山市优秀工匠。主要研究领域：资产与设备管理、信息系统设计、数据管理与应用、智能工厂、智慧轨道等。
主持轨道交通综合运维系统科研项目获得工信部2018年、2020年工业互联网App优秀解决方案，2020年主持的轨道交通客流大数据项目获得“国家工信部大数据产业发展试点示范项目”称号。主持国家发改委示范线项目——北京燕房线设备运维系统设计与建设、南京地铁集团资产管理体系规划与业财一体化系统设计、南京地铁6S＋6M设备运维体系、宁波地铁集团数据规划项目、沈阳地铁集团资产管理体系建设、合肥地铁架修智慧车间建设等，担任《城市轨道交通行业大数据应用指南》主笔。主持山东中烟、陕西中烟、河南中烟、浙江中烟、重庆中烟等企业设备管理体系设计和信息化系统建设，与青岛卷烟厂合作建立烟草行业设备健康管理体系，与济南卷烟厂合作行业级设备数据与应用研究课题，与宁波卷烟厂合作知识图谱应用行业研究课题。

第1章 绪论
1.1 研究背景及意义
1.2 研究内容
1.3 研究方法与研究框架
第2章 面向文档表示的监督主题模型
2.1 研究综述
2.2 理论基础
2.3 共享背景主题的隐含狄利克雷分配模型
2.4 融合上游和下游监督方法的主题模型
2.5 总结与展望
第3章 面向文本分析的半监督主题模型
3.1 研究综述
3.2 理论基础
3.3 受限玻尔兹曼机的半监督主题模型
3.4 总结与展望
第4章 面向并行优化的无监督学习模型
4.1 研究综述
4.2 理论基础
4.3 并行优化的频繁模式增长算法模型
4.4 总结与展望
第5章 面向选址问题的无监督学习模型
5.1 研究综述
5.2 理论基础
5.3 改进K均值聚类算法的候车点选址模型
5.4 总结与展望
第6章 面向特征融合的无监督学习模型
6.1 研究综述
6.2 理论基础
6.3 改进人工鱼群算法的权重优化模型
6.4 基于多尺度视网膜皮层理论的局部最大化特征模型
6.5 总结与展望
第7章 面向视图分析的无监督学习模型
7.1 研究综述
7.2 理论基础
7.3 改进核交叉二次判别分析模型
7.4 无监督的非对称度量学习模型
7.5 总结与展望
第8章 面向数据处理的无监督学习模型
8.1 研究综述
8.2 理论基础
8.3 度量学习的稀疏子空间聚类模型
8.4 自动权重学习的深度子空间聚类模型
8.5 总结与展望
第9章 面向样本分析的无监督学习模型
9.1 研究综述
9.2 理论基础
9.3 对抗性学习的深度子空间聚类模型
9.4 自适应自步学习的深度子空间聚类模型
9.5 总结与展望
参考文献
附录