1 绪论 1
1.1 研究背景和意义 1
1.2 鲁棒支持向量机研究综述 3
1.3 本书的内容和结构安排 10
1.4 研究方法和思路 11
1.5 本书的技术路径 12
2 最优化理论 15
2.1 最优化问题的一般形式 15
2.2 约束极值问题的最优化条件 16
2.3 库恩塔克条件 17
2.4 对偶理论 18
2.5 小结 19
3 二分类问题 21
3.1 引言 21
3.2 二分类模型 22
3.3 分类模型准确率的估计方法 23
3.4 二分类算法的有效性 25
3.5 支持向量机 26
3.6 最小二乘支持向量机模型 32
3.7 小结 35
4 鲁棒最小二乘支持向量机中的特征抽取和选择 37
4.1 引言 37
4.2 特征选择和抽取 38
4.3 核主成分法 42
4.4 稀疏L1-范数LS-SVM模型 44
4.5 双层L1-范数LS-SVM模型 45
4.6 模糊L1-范数LS-SVM模型 56
4.7 小结 71
5 最小二乘支持向量机的鲁棒分类模型 73
5.1 引言 73
5.2 Lp范数支持向量机的分类模型 74
5.3 鲁棒赋权自适应Lp范数最小二乘支持向量机 83
5.4 小结 96
6 消费者信用风险评估 97
6.1 引言 97
6.2 目前的消费者信用评估模型评述 99
6.3 消费者信用风险评估模型的实证分析 104
6.4 KPCA-L1-LS-SVM模型在信用风险中的应用 105
6.5 FL1-LS-SVM模型在信用风险中的应用 109
6.6 鲁棒赋权自适应Lp-范数LS-SVM模型在信用风险中的应用 114
6.7 小结 119
7 总结与展望 121
7.1 研究工作总结 121
7.2 进一步研究的问题 122
符号说明 125
参考文献 127
后记 145