机器学习基础教程

本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括：机器学习所涉及的必要的数学知识，机器学习的基本模式和任务，神经网络的基本理论及算法结构，分类和聚类的基本学习算法，数据维度归约的基本方法，图理论及方法以及当前比较流行的机器学习理论和算法。在加深学生对经典机器学习方法理解的基础上适当扩展其视野，以培养和提高解决实际问题的能力。
本书可作为高等学校人工智能相关专业的教材，也适合在该领域的工程技术人员自学参考使用。

博士，副教授，硕士生导师。毕业于中国矿业大学（北京）。美国密歇根科技大学访问学者。主讲信号与系统，自动控制系统等本科生课程；以及智能优化理论及算法，最佳估计与系统建模等研究生课程。多次获得山西省中青年教师教学基本功竞赛奖励；并被评为山西省普通高校师德师风建设先进个人；获山西省高等学校科技进步二等奖一项；山西省高等学校科技进步三等奖一项；山西省教学改革二等奖一项，“青年五四奖章”获得者；在国内外期刊和会议上发表20余篇学术论文，其中EI收录8篇。出版教材（国防工业出版社）及专著（机械工业出版社）三部，其中教材已多次再版。