支持向量機(jī)的算法設(shè)計(jì)與分析

定　價(jià)：￥68.00

作　者：	楊曉偉，郝志峰著
出版社：	科學(xué)出版社
叢編項(xiàng)：	信息與計(jì)算科學(xué)叢書
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 計(jì)算機(jī)理論

購買這本書可以去

ISBN：	9787030378699	出版時(shí)間：	2013-06-01	包裝：	精裝
開本：	16開	頁數(shù)：	203	字?jǐn)?shù)：

內(nèi)容簡介

　　支持向量機(jī)的研究是近十余年機(jī)器學(xué)習(xí)、模式識(shí)別和數(shù)據(jù)挖掘領(lǐng)域中的研究熱點(diǎn)，受到了計(jì)算數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)、自動(dòng)化和電信等有關(guān)學(xué)科研究者的廣泛關(guān)注，取得了豐碩的理論成果，并被廣泛地應(yīng)用于文本分類、圖像處理、語音識(shí)別、時(shí)間序列預(yù)測和函數(shù)估計(jì)等領(lǐng)域。《信息與計(jì)算科學(xué)叢書（59）：支持向量機(jī)的算法設(shè)計(jì)與分析》首先介紹了核函數(shù)的概念；然后從幾何直觀的角度介紹了建立二分類模型和回歸模型過程中所取得的理論成果；最后對于分解算法、最小二乘支持向量機(jī)、多分類、模糊支持向量機(jī)、在線學(xué)習(xí)和大規(guī)模分類相關(guān)的優(yōu)秀成果進(jìn)行了歸納和整理，從數(shù)學(xué)上對相關(guān)算法的原理進(jìn)行了詳細(xì)分析?！缎畔⑴c計(jì)算科學(xué)叢書（59）：支持向量機(jī)的算法設(shè)計(jì)與分析》的內(nèi)容既包括支持向量機(jī)的最新進(jìn)展，也包括作者的多年研究成果。作者希望《信息與計(jì)算科學(xué)叢書（59）：支持向量機(jī)的算法設(shè)計(jì)與分析》能夠有助于對機(jī)器學(xué)習(xí)、模式識(shí)別和數(shù)據(jù)挖掘感興趣的讀者更加快速地了解支持向量機(jī)的最新研究動(dòng)態(tài)，能夠有助于讀者理清算法的本質(zhì)，從而使讀者能夠在已有研究成果的基礎(chǔ)之上更加有效地開展工作。《信息與計(jì)算科學(xué)叢書（59）：支持向量機(jī)的算法設(shè)計(jì)與分析》可作為數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)、電信、自動(dòng)化等有關(guān)專業(yè)的高年級(jí)本科生和研究生教材，也可作為相關(guān)領(lǐng)域的教師和科研工作者的參考書。

作者簡介

暫缺《支持向量機(jī)的算法設(shè)計(jì)與分析》作者簡介

圖書目錄

《信息與計(jì)算科學(xué)叢書》序
前言
第1章支持向量機(jī)的分類和回歸模型
1.1 多項(xiàng)式核函數(shù)
1.2 Mercer核
1.3 再生核Hilbert空間
1.4 正定核函數(shù)的構(gòu)造
1.5 二分類問題的數(shù)學(xué)提法
1.6 平分最近點(diǎn)模型
1.7 最大間隔模型
1.8 平分最近點(diǎn)模型和最大間隔模型之間的關(guān)系
1.9 回歸問題的數(shù)學(xué)提法
1.10 硬ε-帶超平面
1.11 基于分類的回歸模型
參考文獻(xiàn)
第2章分解算法
2.1 無約束問題的提法
2.2 分解算法的提出
2.3 選塊算法
2.4 SVMLight算法
2.5 Platt的SMO算法
2.6 Keerthi的SMO改進(jìn)算法
2.7 改進(jìn)的SMO算法的收斂性
2.8 解回歸問題的SMO算法
2.9 擴(kuò)展的Lagrange支持向量機(jī)
參考文獻(xiàn)
第3章最小二乘支持向量機(jī)
3.1 最小二乘支持向量機(jī)
3.2 最小二乘隱空間支持向量機(jī)
3.3 基于矩陣模式的最小二乘支持向量機(jī)
3.4 最小二乘支持向量機(jī)的求解算法
3.5 最小二乘支持向量機(jī)的稀疏化算法
參考文獻(xiàn)
第4章多分類問題
4.1 一對多算法
4.2 一對一算法
4.3 基于決策樹的支持向量機(jī)
4.4 嵌套算法
4.5 糾錯(cuò)輸出編碼支持向量機(jī)
4.6 一次求解算法
4.7 支持向量機(jī)分類一回歸算法
參考文獻(xiàn)
第5章模糊支持向量機(jī)
5.1 單邊加權(quán)模糊支持向量機(jī)
5.2 雙邊加權(quán)模糊支持向量機(jī)
5.3 基于加權(quán)間隔的模糊支持向量機(jī)
5.4 模糊支持向量機(jī)中的隸屬度設(shè)置
5.5 加權(quán)穩(wěn)健支持向量回歸方法
5.6 基于ε-不敏感學(xué)習(xí)的模糊系統(tǒng)
5.7 基于模糊if-then規(guī)則的ε-間隔非線性分類器
5.8 基于核模糊ε-均值聚類和最遠(yuǎn)對策略的模糊支持向量機(jī)分類器
參考文獻(xiàn)
第6章支持向量機(jī)的在線學(xué)習(xí)算法
6.1 基于增量和減量學(xué)習(xí)的支持向量機(jī)算法
6.2 增量支持向量機(jī)分類算法
6.3 增量支持向量機(jī)回歸算法
6.4 核遞歸最小二乘算法
6.5 基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的在線核方法
6.6 快速的在線核分類器
參考文獻(xiàn)
第7章大規(guī)模分類
7.1 大規(guī)模線性支持向量機(jī)算法
7.2 基于低秩核矩陣表示的支持向量機(jī)算法
7.3 縮減支持向量機(jī)
……