近年來，演化計算作為計算智能中傳統的優化技術，已經廣泛應用于求解各種數據挖掘問題，形成了一種基于遺傳的機器學習新范式學習分類器。一方面，在真實場景中采集的原始數據不可避免地包含著冗余乃至噪聲屬性的信息，這些不相關的特征將對學習分類器算法的學習性能與計算效率造成負面影響。另一方面，學習分類器以顯式規則表示目標概念，在監督學習或強化學習機制的基礎上，利用演化算法對規則空間進行搜索，從而完成學習任務。規則空間的有效搜索是影響學習分類器性能的關鍵。針對上述問題，本書的主要探討內容：一是學習分類器與特征選擇方法，重點是做兩者的整合研究，將學習分類器的分類模型構建過程與特征選擇的特征子集搜索過程統一集成在基于遺傳的機器學習框架下，同時改善分類算法的預測性能與運行效率；二是從提高規則空間的搜索質量出發，著眼于分類問題，介紹了基于分布估計算法的學習分類器。
本書可作為大數據及人工智能等相關專業的教材與參考用書。
徐華，清華大學計算機系副教授，博士生導師。主要研究興趣領域包括：網絡文本數據挖掘、智能信息處理和機器人智能控制等。作為項目負責人、首席技術專家或研發骨干，負責完成國家科技重大專項課題3項，國家自然科學基金項目4項，國家973項目二級課題2項，國家863項目（課題）5項，國際500強企業（寶潔、西門子、安捷倫等）合作項目13項。目前已在本專業領域權威期刊和會議上發表學術論文113篇；編寫教材2本，參與編寫學術專著2部。作為完成人獲得國家發明專利26項，國際PCT發明專利4項，軟件著作權20項。作為清華方面的完成人，獲得國家科技進步二等獎1項，北京市科學技術一等獎、二等獎和三等獎各1項，重慶市科學技術三等獎1項，行業協會科學技術一等獎2項等。
上篇演化機器學習——內嵌特征選擇的學習分類器
第1章上篇引言3
1.1研究背景3
1.2上篇主要內容6
1.3上篇的結構安排7
第2章相關工作綜述8
2.1概述8
新書資訊