數(shù)據(jù)挖掘中的新方法：支持向量機(jī)

內(nèi)容概要

支持向量機(jī)是數(shù)據(jù)挖掘中的一個(gè)新方法。支持向量機(jī)能非常成功地處理回歸問(wèn)題(時(shí)間序列分析)和模式識(shí)別(分類(lèi)問(wèn)題、判別分析)等諸多問(wèn)題，并可推廣于預(yù)測(cè)和綜合評(píng)價(jià)等領(lǐng)域，因此可應(yīng)用于理科、工科和管理等多種學(xué)科。目前國(guó)際上支持向量機(jī)在理論研究和實(shí)際應(yīng)用兩方面都正處于飛速發(fā)展階段。希望本書(shū)能促進(jìn)它在我國(guó)的普及與提高。    本書(shū)對(duì)象既包括關(guān)心理論的研究工作者，也包括關(guān)心應(yīng)用的實(shí)際工作者。對(duì)于有關(guān)領(lǐng)域的具有高等數(shù)學(xué)知識(shí)的實(shí)際工作者，略去書(shū)中的某些理論部分，仍能對(duì)支持向量機(jī)的本質(zhì)有一個(gè)概括的理解，從而用它解決自己的問(wèn)題。    本書(shū)適合高等院校高年級(jí)學(xué)生、研究生、教師和相關(guān)科研人員及相關(guān)領(lǐng)域的實(shí)際工作者使用。

書(shū)籍目錄

序言符號(hào)表第1章 最優(yōu)化問(wèn)題及其基本理論　1.1 最優(yōu)化問(wèn)題　1.2 最優(yōu)性條件　1.3 對(duì)偶理論　1.4 注記　參考文獻(xiàn)第2章 求解分類(lèi)問(wèn)題和回歸問(wèn)題的直觀途徑　2.1 分類(lèi)問(wèn)題的提出　2.2 線性分類(lèi)學(xué)習(xí)機(jī)　2.3 支持向量分類(lèi)機(jī)　2.4 線性回歸學(xué)習(xí)機(jī)　2.5 支持向量回歸機(jī)　2.6 注記　參考文獻(xiàn)第3章 核　3.1 描述相似性的工具——內(nèi)積　3.2 多項(xiàng)式空間和多項(xiàng)式核　3.3 Mercer核　3.4 正定核　3.5 核的構(gòu)造　3.6 注記　參考文獻(xiàn)第4章 推廣能力的理論估計(jì)　4.1 損失函數(shù)和期望風(fēng)險(xiǎn)　4.2 求解分類(lèi)問(wèn)題的一種途徑和一個(gè)算法模型　4.3 VC維　4.4 學(xué)習(xí)算法在概率意義下的近似正確性　4.5 一致性概念和關(guān)鍵定理　4.6 結(jié)構(gòu)風(fēng)險(xiǎn)最小化　4.7 基于間隔的推廣估計(jì)　4.8 注記　參考文獻(xiàn)第5章 分類(lèi)問(wèn)題　5.1 最大間隔原則　5.2 線性可分支持向量分類(lèi)機(jī)　5.3 線性支持向量分類(lèi)機(jī)　5.4 支持向量分類(lèi)機(jī)　5.5 ν-支持向量分類(lèi)機(jī)（ν-SVC）　5.6 ν-支持向量分類(lèi)機(jī)（ν-SVC）和C-支持向量分類(lèi)機(jī)（C-SVC）的關(guān)系　5.7 多類(lèi)分類(lèi)問(wèn)題　5.8 一個(gè)例子　5.9 注記　參考文獻(xiàn)第6章 回歸估計(jì)　6.1 回歸問(wèn)題　6.2 ε-支持向量回歸機(jī)　6.3 ν-支持向量回歸機(jī)　6.4 ε-支持向量回歸機(jī)（ε-SVR）與ν-支持向量回歸機(jī)（ν-SVR）的關(guān)系　　6.5 其他形式的支持向量回歸機(jī)　6.6 其他形式的損失函數(shù)　6.7 一些例子　6.8 注記　參考文獻(xiàn)第7章 算法　7.1 無(wú)約束問(wèn)題解法　7.2 內(nèi)點(diǎn)算法　7.3 求解大型問(wèn)題的算法　7.4 注記參考文獻(xiàn)第8章 應(yīng)用　8.1 模型選擇問(wèn)題　8.2 分類(lèi)問(wèn)題的線性分劃中的特征選擇　8.3 模型選擇　8.4 靜態(tài)圖像中球的識(shí)別　8.5 自由曲面的重建問(wèn)題　8.6 應(yīng)用簡(jiǎn)介　8.7 核技巧的應(yīng)用　8.8 注記　參考文獻(xiàn)附錄A 基礎(chǔ)知識(shí)　A.1 基本定義　A.2 梯度和Hesse矩陣　A.3 方向?qū)?shù)　A.4 Taylor展開(kāi)式　A.5 分離定理附錄B Hilbert空間　B.1 向量空間　B.2 內(nèi)積空間　B.3 Hilbert空間　B.4 算子、特征值和特征向量附錄C 概率　C.1 概率空間　C.2 隨機(jī)變量及其分布　C.3 隨機(jī)變量的數(shù)字特征　C.4 大數(shù)定律附錄D 鳶尾屬植物數(shù)據(jù)集英漢術(shù)語(yǔ)對(duì)照表

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    數(shù)據(jù)挖掘中的新方法：支持向量機(jī) PDF格式下載

---