《计算机学报》机器学习与数据挖掘专辑（2007年第7期）征文通知

在过去的数十年中，各种信息系统以及互联网产生的大量数据已经将我们淹没在信息的汪洋大海中．存储数据的爆炸性增长激起对新技术和自动工具的需求，以便帮助我们将海量数据转换成信息和知识．机器学习与数据挖掘作为一种有前途的工具和方法引起了产业界和学术界的极大关注，并彤成计算机科学与技术的一个热点研究领域．《计算机学报》特别推出机器学习与数据挖掘专辑，总结机器学习与数据挖掘领域的热点问题和现状，展现数据挖掘的重大应用成果，开拓数据挖掘领域的新方向和应用领域．     

机器学习在数据挖掘中的作用

本文介绍了机器学习与数据挖掘方法的基本特点,包括概念、发展、应用和分类概况,提供了一个了解机器学习与数据挖掘的应用视角。     

机器学习技术在数据挖掘中的商业应用

进入人工智能时代,机器学习技术在数据挖掘工作中已经得到了较为广泛的应用,医疗、市场营销、金融、网络分析、电信等领域普遍引入这一技术展开数据挖掘工作,极大地提升了数据挖掘的效率和质量。根据环境的不同,实践之中,也需要选用不同的机器学习技术展开数据挖掘。本文主要探讨机器学习技术在数据挖掘中的商业应用,旨在提供具有一定借鉴意义的参考。     

《信息安全》专辑前言

信息技术已在人类的生产生活中发挥至关重要的作用,随之而来的信息安全问题也已成为关系国家安全、经济发展和社会稳定的关键性问题．世界各国政府、学术界及产业界都高度重视信息安全,尤其强调信息安全基础理论和自主关键技术的创新研究．值此之际,《计算机学报》特别推出信息安全专辑,总结信息安全领域的最新热点问题和现状,展现信息安全领域的重要科技成果,开拓信息安全领域的新方向．     

机器学习技术与机器学习系统

知识获取是知识处理过程中的“瓶颈“，这一问题的解决有赖于机器学习研究的进展。本文从两种不同的角度概述并评价了当前机器学习中的一些主要技术和典型系统，其一是着眼于机器学习技术所采用的推理方式，即演绎推理、归纳推理和类比推理，其二是强调机器学习系统所使用的知识类型和学习过程中信息流动的走向。     

《信息安全测评理论与技术》专辑前言

由于信息安全问题直接影响到国安安全,世界各国都高度重视,并纷纷通过颁布标准、实行有效的测评认证制度等方式,对信息技术产品和信息系统实行严格的管理和控制.     

数据挖掘与机器学习——经典图书介绍

对于“数据挖掘”,有多种文字不同但含义接近的定义,简单来说,可以归纳为“试图从海量数据中找出有用的知识”。在学术界,有时也将“数据挖掘（DM）”称为“数据库中的知识发现（KDD）”。而“机器学习”是人工智能的核心研究领域之一,目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。     

基于机器学习的地震异常数据挖掘模型

研究基于机器学习的地震异常数据挖掘方法.在进行地震异常数据挖掘过程中,由于地震监测系统信号时变性及监测环境的不稳定性,采用传统的方法进行挖掘,其挖掘的精确度较低.为此,提出基于机器学习的地震异常数据挖掘方法.根据机器学习的相关理论获取标准方程组和最小均方误差值,实现异常数据挖掘最优模型的构建,通过计算数据的特征向量,建立地震监测数据特征库,依据获取的概率值实现对监测数据的正确判断,从而完成对地震异常数据的有效挖掘.实验结果表明,利用基于机器学习的地震异常数据挖掘方法,能够有效的提高地震异常数据的挖掘准确度与挖掘效率,保证了地震监测系统的有效性.     

智能系统与机器学习

随着计算机科学特别是人工智能的发展,人们对智能系统的研究更加深入,逐步认识到智能系统的核心问题就是它的学习能力。那么,智能系统的一般组成及工作过程怎样?智能系统有哪些性质?要模拟智能系统应该解决哪些问题?尽管当前出现了各种学习系统,如机械学习,指导式学习,发现式学习,示例式学习,类比学习,解释学习等,但这些系统在学习过程中有何作用,处于何种地位?还有哪些学习方式值得我们研究?这就是本文要力求阐明的问题。     

机器学习算法在数据挖掘中的应用

笔者围绕机器学习算法在数据挖掘中的应用展开探讨,首先阐述了机器学习及数据挖掘技术,进而分析了朴素贝叶斯算法、K-近邻法等相关原理,最后对机器学习算法在数据挖掘中的应用,如以机器学习算法为基础的GSM网络在定位中的应用、在改进BP神经网络中的应用等进行分析,希望能够为提高数据挖掘的整体性能提供参考。