当前位置:首页 > 工业技术
支持向量机导论
支持向量机导论

支持向量机导论PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:(英)Nello Cristianini,(英)John Shawe-Taylor著;李国正等译
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2004
  • ISBN:7505393367
  • 页数:163 页
图书介绍:支持向量机(SVM)是在统计学习理论的基础上发展起来的新一代计算机算法理论,该算法在文本分类、手写识别、图像分类、生物信息学等领域中获得了较好的应用。本书是第一本支持向量机方面的导论型读物。它从机器学习算法的基本问题开始,循序渐进地介绍相关的背景知识,包括线性分类器、核函数特征空间、推广性理论和优化理论,从而很自然地引出了支持向量机的算法。书的末尾还详细讨论了一系列支持向量机的重要应用以及实现的技巧。该书提供的大量相关文献以及网站链接为进一步学习提供了有效线索,有助于读者及时跟踪该领域的最新信息。
《支持向量机导论》目录

第1章 学习方法 1

1.1 监督学习 1

1.2 学习和泛化性 3

1.3 提高泛化性 3

1.4 学习的价值和缺点 5

1.5 用于学习的支持向量机 5

1.6 习题 6

1.7 补充读物和高级主题 6

第2章 线性学习器 8

2.1 线性分类 8

2.1.1 Rosenblatt感知机 10

2.1.2 其他线性分类器 17

2.1.3 多类判别 18

2.2 线性回归 18

2.2.1 最小二乘法 19

2.2.2 岭回归 20

2.3 线性学习器的对偶表示 22

2.4 习题 22

2.5 补充读物和高级主题 22

第3章 核函数特征空间 24

3.1 特征空间中的学习 24

3.2 到特征空间的隐式映射 27

3.3 构造核函数 29

3.3.1 核函数的性质 30

3.3.2 从核函数中构造核函数 38

3.3.3 从特征中构造核函数 40

3.4特征空间中的计算 41

3.5核与高斯过程 43

3.6习题 45

3.7补充读物和高级主题 45

第4章 泛化性理论 47

4.1 可能近似正确学习模型 47

4.2 VC理论 49

4.3 泛化性的间隔界 52

4.3.1 最大间隔界 53

4.3.2 间隔百分界 57

4.3.3 软间隔界 58

4.4 其他泛化界和幸运度函数 61

4.5 回归的泛化性 63

4.6 学习的贝叶斯分析 66

4.7 习题 68

4.8 补充读物和高级主题 68

5.1 问题的形成 70

第5章 最优化理论 70

5.2 拉格朗日理论 72

5.3 对偶性 77

5.4 习题 79

5.5 补充读物和高级主题 80

第6章 支持向量机 82

6.1 支持向量分类 82

6.1.1 最大间隔分类器 82

6.1.2 软间隔优化 90

6.2 支持向量回归 98

6.1.3 线性规划支持向量机 98

6.2.1 ε不敏感损失回归 100

6.2.2 核岭回归 104

6.2.3 高斯过程 105

6.3 讨论 106

6.4 习题 106

6.5补充读物和高级主题 107

第7章 实现技术 109

7.1 通用主题 109

7.2 简单解:梯度上升算法 112

7.3 通用技术和软件包 118

7.4 块与分解 119

7.5.1 两点解析解 120

7.5 序贯最小优化算法 120

7.5.2 启发式选择算法 123

7.6 高斯过程的实现技术 126

7.7 习题 128

7.8 补充读物和高级主题 128

第8章 支持向量机的应用 130

8.1 文本分类 131

8.1.1 IR核应用于信息过滤 131

8.2.1 视位无关分类 133

8.2 图像识别 133

8.2.2 基于颜色的分类 134

8.3 手写数字识别 136

8.4 生物信息学 137

8.4.1 蛋白质同源检测 137

8.4.2 基因表达 138

8.5 补充读物和高级主题 139

附录A SMO算法的伪码 140

附录B 背景数学 143

参考书目 150

相关图书
作者其它书籍
返回顶部