当前位置:首页 > 工业技术
支持向量机的算法设计与分析
支持向量机的算法设计与分析

支持向量机的算法设计与分析PDF电子书下载

工业技术

  • 电子书积分:10 积分如何计算积分?
  • 作 者:杨晓伟;郝志峰
  • 出 版 社:北京:科学出版社
  • 出版年份:2013
  • ISBN:9787030378699
  • 页数:206 页
图书介绍:支持向量机的研究是近十余年来机器学习和模式识别领域中研究的热点,受到了计算数学、统计、计算机、自动化和电信等领域的研究者们的广泛关注,取得了丰硕的理论成果,并被广泛地应用于文本分类、图像处理、语音识别、时间序列预测和函数估计等领域。在本书中,我们先介绍了核函数;然后沿着先直观后严谨的思路介绍了二分类模型和回归模型;最后对与分解算法、最小二乘支持向量机、多分类、模糊支持向量机、在线学习和大规模分类相关的优秀成果进行了归纳和整理,从数学上对相关算法的原理进行了分析。本教材将有助于读者了解机器学习的最新研究动态,能够帮助他们理清算法的本质,从而使他们能够更加有效地开展研究工作。
《支持向量机的算法设计与分析》目录

第1章 支持向量机的分类和回归模型 1

1.1多项式核函数 1

1.2 Mercer核 3

1.3再生核Hilbert空间 7

1.4正定核函数的构造 11

1.5二分类问题的数学提法 13

1.6平分最近点模型 14

1.7最大间隔模型 17

1.8平分最近点模型和最大间隔模型之间的关系 19

1.9回归问题的数学提法 23

1.10硬ε-带超平面 24

1.11基于分类的回归模型 25

参考文献 34

第2章 分解算法 36

2.1无约束问题的提法 36

2.2分解算法的提出 38

2.3选块算法 39

2.4 SVM Light算法 41

2.5 Platt的SMO算法 43

2.6 Keerthi的SMO改进算法 48

2.7改进的SMO算法的收敛性 49

2.8 解回归问题的SMO算法 51

2.9扩展的L agrange支持向量机 56

参考文献 60

第3章 最小二乘支持向量机 62

3.1最小二乘支持向量机 62

3.2最小二乘隐空间支持向量机 65

3.3基于矩阵模式的最小二乘支持向量机 66

3.4最小二乘支持向量机的求解算法 68

3.5最小二乘支持向量机的稀疏化算法 74

参考文献 87

第4章 多分类问题 89

4.1一对多算法 89

4.2一对一算法 91

4.3基于决策树的支持向量机 92

4.4嵌套算法 98

4.5纠错输出编码支持向量机 102

4.6一次求解算法 104

4.7支持向量机分类-回归算法 107

参考文献 109

第5章 模糊支持向量机 112

5.1单边加权模糊支持向量机 112

5.2双边加权模糊支持向量机 116

5.3基于加权间隔的模糊支持向量机 118

5.4模糊支持向量机中的隶属度设置 120

5.5加权稳健支持向量回归方法 123

5.6基于ε-不敏感学习的模糊系统 124

5.7基于模糊if-then规则的ε-间隔非线性分类器 127

5.8基于核模糊c-均值聚类和最远对策略的模糊支持向量机分类器 129

参考文献 134

第6章 支持向量机的在线学习算法 137

6.1基于增量和减量学习的支持向量机算法 137

6.2增量支持向量机分类算法 142

6.3增量支持向量机回归算法 143

6.4核递归最小二乘算法 147

6.5基于结构风险最小化的在线核方法 150

6.6快速的在线核分类器 153

参考文献 157

第7章 大规模分类 158

7.1大规模线性支持向量机算法 158

7.2基于低秩核矩阵表示的支持向量机算法 164

7.3 缩减支持向量机 172

7.4核向量机 173

7.5 多核学习机 178

7.6局部化支持向量机 186

7.7基于带类标聚类特征树和局部学习的支持向量机分类算法 188

参考文献 200

索引 204

《信息与计算科学丛书》已出版书目 205

相关图书
作者其它书籍
返回顶部