支持向量機導(dǎo)論

內(nèi)容概要

　　 支持向量機（SVM）是在統(tǒng)計學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的新一代學(xué)習(xí)算法，它在文本分類、手寫識別、圖像分類、生物信息學(xué)等領(lǐng)域中獲行較好的應(yīng)用。本書是第一本綜合介紹支持向量機（SVM）的書籍，它從機器學(xué)習(xí)算法的基本問題開始，循序漸進地介紹相關(guān)的背景知識，包括線性分類器、核函數(shù)特征空間、推廣性理論和優(yōu)化理論，在此基礎(chǔ)上很自然地引出了支持向量機的算法。本書末尾還詳細討論了一系列支持向量機的重要應(yīng)用及其實現(xiàn)的技巧。本書的敘述清晰嚴(yán)謹(jǐn)，自包含性強，提供的大量相關(guān)文獻引用以及網(wǎng)站鏈接可作為進一步學(xué)習(xí)的理想起始點。本書可作為計算機、自動化、機電工程、應(yīng)用數(shù)學(xué)等專業(yè)的研究生教材，也可作為神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、數(shù)據(jù)挖掘、人工智能等課程的參考教材，同時還是相關(guān)領(lǐng)域的教師和研究人員的參考書。

書籍目錄

第1章 學(xué)習(xí)理論 1.1 監(jiān)督學(xué)習(xí) 1.2 學(xué)習(xí)和泛化性 1.3 提高泛化性 1.4 學(xué)習(xí)的價值和缺點 1.5 用于學(xué)習(xí)的支持向量機 1.6 習(xí)題 1.7 補充讀物和高級主題第2章 線性學(xué)習(xí)器 2.1 線性分類 2.2 線性回歸 2.3 線性學(xué)習(xí)器的對偶表示 2.4 習(xí)題 2.5 補充讀物和高級主題第3章 核函數(shù)特征空間 3.1 特征空間中的學(xué)習(xí) 3.2 到特征空間的隱式映樹 3.3 構(gòu)造核函數(shù) 3.4 特征空間中的計算 3.5 核與高斯過程 3.6 習(xí)題 3.7 補充讀物和高級主題第4章 泛化性理論 4.1 可能近似正確學(xué)習(xí)模型 4.2 VC理論 4.3 泛化性的間隔界 4.4 其他泛化界和幸運度函數(shù) 4.5 回歸的泛化性 4.6 學(xué)習(xí)的貝葉斯分析 4.7 習(xí)題 4.8 補充讀物和高級主題第5章 最優(yōu)化理論第6章 支持向量機第7章 實現(xiàn)技術(shù)第8章 支持向量機的應(yīng)用附錄A  SMO算法的偽碼附錄B  背景數(shù)學(xué)

媒體關(guān)注與評論

　　一本綜合性介紹支持向量機各項標(biāo)準(zhǔn)技術(shù)的著作，書中從學(xué)習(xí)方法到超平面、核函數(shù)、泛化性理論、最優(yōu)化理論，最后總結(jié)到支持向量機理論，并介紹了其實現(xiàn)技術(shù)和應(yīng)用。本書的敘述敘序漸進，內(nèi)容深入淺出，既嚴(yán)謹(jǐn)又易于理解，得以了很多支持向量機研究者的訂可。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    支持向量機導(dǎo)論 PDF格式下載

---