李凡長、張莉、楊季文、錢旭培、王邦軍等編著的《李群機器學習》共分11章：引論，李群覆蓋學習，李群深層結構學習，李群半監督學習，李群核學習，張量學習，標架叢上的聯絡學習，譜估計學習，Finsler幾何學習，同調邊緣學習，基於範疇理論的學習方法。可作為計算機、自動化、認知科學、數學、管理科學、哲學等領域的大學高年級學生、碩士生、博士生和教師的一學期72學時的教材，也可作為相關科技工作者的參考書。

從歷史經驗看，研究機器學習應該“以認知科學 為基礎、數學方法為手段、可計算理論為標準、分析 數據規律為目標、計算機技術為實現途徑，並沿著這 樣的路徑來構建機器學習的理論、技術、方法和應用 體繫”。因此，李凡長、張莉、楊季文、錢旭培、王 邦軍等編著的《李群機器學習》根據“模型﹢分析” 的認知互補機制和李群理論，提出了李群機器學習框 架。本書共分11章：引論，李群覆蓋學習，李群深層 結構學習，李群半監督學習，李群核學習，張量學習 ，標架叢上的聯絡學習，譜估計學習，Finsler幾何 學習，同調邊緣學習，基於範疇理論的學習方法。 《李群機器學習》可作為計算機、自動化、認知 科學、數學、管理科學、哲學等領域的大學高年級學 生、碩士生、博士生和教師的一學期72學時的教材， 也可作為相關科技工作者的參考書。

總序
序
第1章 引論
1.1 引言
1.2 李群機器學習的基本概念
1.3 李群機器學習的公理假設
1.4 李群機器學習的學習模型
1.5 李群機器學習中的Dynkin圖幾何學習算法
1.6 李群機器學習的分類器設計
1.7 本書內容安排
參考文獻
第2章 李群覆蓋學習
2.1 李群機器學習覆蓋算法的相關理論
2.2 李群機器學習的單連通覆蓋算法
2.3 李群機器學習的多連通覆蓋算法
2.4 覆蓋算法在分子對接中的應用
2.5 本章小結
參考文獻
第3章 李群深層結構學習
3.1 引言
3.2 李群深層結構學習
3.3 李群逐層學習算法
3.4 李群深層結構啟發式學習算法
3.5 本章小結
參考文獻
第4章 李群半監督學習
4.1 引言
4.2 基於李群的半監督學習模型
4.3 基於線性李群的半監督學習算法
4.4 基於參數李群的半監督學習算法
4.5 本章小結
參考文獻
第5章 李群核學習
5.1 矩陣群學習算法
5.2 李群上的Gauss分布
5.3 李群內均值的計算
5.4 李群均值學習算法
5.5 李群核學習算法
5.6 實例應用
5.7 本章小結
參考文獻
第6章 張量學習
6.1 基於張量方法的數據約簡
6.2 基於張量場的數據約簡模型
6.3 基於張量場的學習模型及算法設計
6.4 本章小結
參考文獻
第7章 標架叢上的聯絡學習
7.1 標架叢上的縱空間學習模型
7.2 標架叢上的縱空間聯絡學習算法
7.3 標架叢上的橫空間學習模型及相關算法過程
7.4 標架叢上的橫空間與縱空間學習算法的應用
7.5 本章小結
參考文獻
第8章 譜估計學習
8.1 譜估計概念及定義
8.2 相關理論基礎
8.3 同步譜估計學習算法
8.4 圖像特征流形的比較原則
8.5 圖像特征流形拓撲不變性的譜估計學習算法
8.6 基於圖像特征流形拓撲不變性譜估計的聚類算法
8.7 本章小結
參考文獻
第9章 Finsler幾何學習
9.1 基本概念
9.2 基於Finsler度量的KNN算法
9.3 基於Finsler度量的幾何學習算法
9.4 本章小結
參考文獻
**0章 同調邊緣學習
10.1 邊緣學習算法
10.2 基於同調代數的邊緣劃分方法
10.3 同調邊緣學習算法設計與分析
10.4 本章小結
參考文獻
**1章 基於範疇理論的學習方法
11.1 引言
11.2 學習表達式的範疇表示
11.3 學習表達式的映射機制
11.4 學習表達式映射機制的分類器設計
11.5 實例分析
11.6 本章小結
參考文獻
漢英名詞對照