著作
    1.机器学习-实现人工智能的途科学出版社 1992年5月第一版
    J.G.Carbonell、R.S.Michalshi、T.M.Mitchell主编   
   
    人工智能有两个目标:第一,人工智能是使计算机变得聪明和做聪明的事,以便使人们不需亲自去做;第二,人工智能(有时称之为认知模拟,或信息处理心理学)还研究使用计算机模拟人,以使我们发现人类是怎样工作的,或许能帮助人们更好的工作。
    此书将机器学习划分为三个时期:ICON神经系统模型和决策理论技术
                                  ICON面向符号概念的学习
                                  ICON研究不同学习任务的知识密集型学习系统
     2.机器学习美】Tom.M.Mitchell著 曾华军 张银奎等译
     机械工业出版社 2003年1月第一版
    “机器学习”一般被定义为一个系统自我改进的过程,但是仅仅从这个定义来理解和实现机器学习是困难的,从最初的给予神经元模型以及函数逼近论的方法研究,到以符号演算为基础的规则学习和决策树学习的产生,和之后的认知心理学中归纳、理解、类比等概念的引入,至最新的计算学习理论和统计学的兴起(当然还包括基于马尔可夫过程的增强学习),机器学习一直都在相关科学的实践应用中起着主导作用。
    机器学习从很多学科吸收了成果和概念,包括统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等。
    这些学科对机器学习的影响:
   ICON人工智能:学习概念的符号表示。作为搜索问题的机器学习。作为提高问题求解能力的学习。利用先验的知识和训练数据一起引导学习。
   ICON贝叶斯方法:作为计算假设概率基础的贝叶斯法则。朴素贝叶斯分类器。未观测到变量估值的算法。
   ICON计算复杂性理论:不同学习任务中固有的复杂性的理论边界,以计算量、训练样例数量、出错数量等衡量。
   ICON控制论:未了优化预定目标,学习对各宗处理过程进行控制,学习预测被控制的过程的下一个状态。
   ICON信息论:熵和信息内容的度量。学习最小描述长度方法。编码假设时,对最佳训练序列的最佳编码及其关系...
   ICON哲学:“奥坎姆的剃刀”(Occam's razor主要思想为简单的理论(或假设)优于复杂的,因为此人频繁使用这一原则,故称为奥坎姆的剃刀)。将观察到的数据泛化的理由分析。
   ICON心理学和神经生物学:实践的幂定律(power law of practice),该定律指出对于很大范围内的学习问题,人们的反应速度随着实践次数的幂级提高,激发人工神经网络学习横式的神经生物学研究。
   ICON统计学:根据有限数据样本,对估计假设精度时出现的误差(例如,偏差和方差)的刻画。
    3.数据结构冯俊 编著 清华大学出版社 2007年11月第一版
    4.《人工智能-理论与实践》【美】Thomas Deam ,James Allen,Yiannis Aloimonos著 顾国昌 刘海波 仲宁 等译 电子工业出版社 2004年6月
    5.《智能技术》曹承志 王楠 编著 清华大学出版社 2004年9月第一版
    6.《计算机程序的构造和解释》【美】Harold Abelson,Gerald Jay Sussman,Julie Sussman 著 裘宗燕 译 机械工业出版社&中信出版社 2004年2月第一版
    7.《程序设计实践》【美】Brian W.Kernighan, Rob Pike著 裘宗燕译 机械工业出版社&Addison-Wesley  2000年8月第一版。2003年9月第六次印刷
    8.《Java 大学基础教程》【美】H.M.Deitel, P.J.Deitel著 刘晓莉 周璐 钱方 等译 电子工业出版社  2007年1月第一版
    9.《标准C语言基础教程》【美】Gary J.Bronson 著 单先余 陈芳 张蓉等译 单兴 审校  2006年9月第一次印刷
 
网上资源
    1.机器学习此文主要介绍了:
     ICON机器学习的概念和研究意义
     ICON机器学习的发展史
     ICON机器学习的主要策略和系统的基本结构
     ICON机器学习分类
  
   2.IBM web的将来是语义的
[url]http://www.ibm.com/developerworks/cn/xml/wa-semweb/[/url]
   
    3.在维基百科上的semanticweb专页。
[url]http://www.semanticweb.org/wiki/Main_Page[/url]
   
    4.W3CHINA.ORG讨论区-语义网.描述逻辑.本体.RDF.OWL
[url]http://bbs.w3china.org/index.asp[/url]
   
    5.赵维的博客“服务科学:语义网与知识计算
[url]http://blog.donews.com/ygzw/category/89127.aspx[/url]
  
    6.中文自然语言处理开放平台里面的资料可以免费下载!
[url]http://www.nlp.org.cn/[/url]
 
    7.机器学习研究方面的权威人物:Tom.M.Mitchell推荐
Machine Learning Department-Carnegie Mellon University
[url]http://www.cald.cs.cmu.edu/[/url]
 
    8.protege-OWL是由斯坦福大学开发的本体编辑和知识获取软件,用java语言编写,开源可下载。
[url]http://protege.stanford.edu/[/url]
 
    9.OWL(Web Ontology language)-web本体语言。在W3C里的专页。
[url]http://www.w3.org/2004/OWL/[/url]
 
    10.算法源码吧-专业的算法源码基地
[url]http://www.sfcode.cn/[/url]
 
    11.google黑板报 -数学之美系列文章 吴军 google研究员(黑板报文章分类-科学与技术)
    [url]http://www.googlechinablog.com/2006/04/blog-post.html[/url]
 
论文和期刊 
    1.應用知識本體技術於工程應用程式整合之研究
    [url]www.ce.ntu.edu.tw/cht/[/url]academic/paper/94/doctor/geo_01.doc
    研 究 生:盧明德 Ming-Der Lu
    指導教授:謝尚賢 Shang-Hsien Hsieh
   
    2.机器学习与自然语言处理
    [url]www.chinesenlp.com/wp-content/[/url]uploads/2007/12/20071226.doc 
   
    3.protege教程 chm版本
    [url]http://bbs.w3china.org/uploadfile/protege.chm[/url]
 
    4.汉语词典快速算法  李江波 周强 陈祖舜 清华大学智能技术与系统国家重点实验室 2005-09-22
    [url]http://www.nlp.org.cn/docs/20050922/5738/49.doc[/url]
   
    5.一种高效的聚类算法  王建会、申展、胡运发  复旦大学  2004.3.3
 
    6.现代信息检索第11章
 
    7.汉语词典快速算法
 
    8.语义Web 中OWL本体研究   张萌萌 张勇胜 山东师范大学信息科学与工程学院
 
   9.搜索引擎的智能化研究  吴丹  华中师范大学信息管理
 
   10.Critical Tokenization and its Properties  郭进  新加坡国际大学
 
   11.基于本体的语义检索技术  陈永   林世平   福州大学  数学与计算机科学学院
 
   12.基于领域共享本体的 RDF 语义查询     唐蕾  宋自林
(5-12 可在我的blog参考文献中下载)