机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。简单来说，就是根据数据或以往的经验，优化计算机程序的性能标准。同时，机器学习还是一门人工智能的科学，该领域的主要研究方向是人工智能，特别是如何在经验学习中改善具体算法的性能。
《机器学习在甲骨文信息处理中的应用探索》简单回顾了机器学习的基本概念，以及机器学习的研究方法和进展，着重介绍了隐马尔可夫模型和支持向量机两种机器学习方法在甲骨文信息处理中的应用情况。
机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。简单来说，就是根据数据或以往的经验，优化计算机程序的性能标准。同时，机器学习还是一门人工智能的科学，该领域的主要研究方向是人工智能，特别是如何在经验学习中改善具体算法的性能。
目前，机器学习已成为新的学科，融合各种学习方法且形式多样的集成学习系统研究正在兴起。机器学习与人工智能各种基础问题的统一性观点正在形成，各种学习方法的应用范围不断扩大，部分应用研究成果已转化为产品。
甲骨文距今已有3500年历史，是迄今为止中国所发现的最早的古文字，是公元前14世纪商王盘庚迁都后至公元前11世纪商纣亡国的270年左右的商代王室占卜记录，其中涉及王事、农业、天象、吉凶、祭祀、征伐、使令、往来、婚娶等社会内容，具有重要的史料价值。甲骨文是汉字的鼻祖，传承着中华民族文化。目前，甲骨文已入选《世界记忆名录》，这表明甲骨文的价值得到了全世界的公认。
随着信息技术的发展，古文字信息化的研究逐渐提上了日程。2001年在华东师范大学召开的“古文字信息化处理国际学术研讨会”上，与会专家就古文字信息化处理各个方面的问题做了广泛的探讨。
近几年在计算机处理甲骨文方面已有所改变，很多研究机构开始建设甲骨文字库，做得比较好的如香港中文大学，其不但建设了甲骨文字库，还建设了甲骨文资料库，并在网上发布，极大地方便了甲骨文研究者的研究工作。然而，对甲骨文的研究还存在很多问题。例如，相较于比较成形的文字系统，甲骨文还具有一定的复杂性。同时，甲骨文数字资源缺乏知识层次的统一描述，这给甲骨文信息利用和共享造成了困难，传统孤立地研究甲骨文的方法已无法取得突破性的进展。机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域得到了广泛应用。甲骨文作为一种古文字，其研究涉及字形、语义、图像等各个方面，利用机器学习技术研究甲骨文已成为必然趋势。
本书简单回顾了机器学习的基本概念，以及机器学习的研究方法和进展，着重介绍了隐马尔可夫模型和支持向量机两种机器学习方法在甲骨文信息处理中的应用情况。
第1章 绪论
1．1 引言
1．2 机器学习概述
1．2．1 机器学习的基本概念
1．2．2 机器学习的发展历程
1．2．3 机器学习的方法
1．3 机器学习的研究现状
1．3．1 文本分类
1．3．2 目标检测
1．4 机器学习中的主要算法
1．4．1 决策树算法
1．4．2 朴素贝叶斯算法
1．4．3 支持向量机算法
1．4．4 人工神经网络算法
1．4．5 深度学习
1．5 本书的结构和组织
参考文献
第2章 甲骨文信息处理
2．1 甲骨文信息处理简介
2．1．1 中文信息处理概述
2．1．2 甲骨文信息处理
2．2 甲骨文信息处理研究现状
2．2．1 甲骨文输入和可视化
2．2．2 甲骨文字形库的构建
2．2．3 甲骨文数据库
2．2．4 甲骨文字分割和识别
2．2．5 甲骨文拓片缀合
2．2．6 甲骨文语义分析
2．2．7 甲骨文计算机辅助翻译技术研究
2．2．8 甲骨文著录信息化
2．3 甲骨文字形结构分析及单字拆分
2．3．1 甲骨文字形结构分析
2．3．2 单字拆分过程及结果
2．4 总结
参考文献
第3章 基于隐马尔可夫模型技术的甲骨卜辞的分析研究
3．1 基于隐马尔可夫模型技术的甲骨卜辞的研究背景和意义
3．1．1 研究背景
3．1．2 研究意义
3．2 自然语言处理综述
3．2．1 自然语言处理概述
3．2．2 自然语言处理所涉及的几个层次
3．2．3 自然语言处理的基本方法及发展
3．2．4 自然语言处理的研究现状
3．3 隐马尔可夫模型
3．3．1 隐马尔可夫模型的定义
3．3．2 隐马尔可夫模型理论基础
3．3．3 隐马尔可夫模型的形式描述
3．3．4 隐马尔可夫模型的3个基本问题
……
第4章 基于支持向量机的甲骨文字结构分析研究
第5章 基于支持向量机的甲骨拓片图像处理研究
书单推荐
