支持向量機建模及套用

內容簡介

王文劍、門昌騫編著的《支持向量機建模及套用》共8章。第1章給出支持向量機的基本原理，介紹了支持向量機研究的一些基本概念；第2章深入探討支持向量機套用中重要的模型選擇方法，提出一些有效可行的支持向量機模型選擇算法；第3章探討如何在具體套用中結合領域知識設計新型的支持向量機學習算法，以有效提高支持向量機的學習能力；第4章通過粒度計算思想的引入，改進了傳統支持向量機模型，使之更好地模擬人類對現實世界的主觀認知，提升學習器的學習效率；第5章針對現實問題中遇到的大量半監督問題，給出支持向量機與半監督學習問題融合的方案，可以有效解決半監督學習問題；第6章從集成學習的角度出發，設計集成支持向量機的學習算法，可以有效提高學習器的泛化性能；第7章針對大規模高維複雜數據，給出高效的支持向量機改進算法，可以有效降低複雜度，使支持向量機有較高的推廣價值；第8章在空氣品質預測、郵件分類、圖像分割實際套用問題中說明支持向量機新模型的有效性。

圖書目錄

《信息科學技術學術著作叢書》序

序

前言

第1章支持向量機方法

1.1統計學習理論

1.1.1經驗風險極小化原理

1.1.2結構風險極小化原理

1.2支持向量機學習方法

1.2.1基本形式

1.2.2基本性質

1.2.3其他形式

1.3支持向量機的發展現狀

1.3.1誤差界估計及模型選擇

1.3.2算法加速

1.3.3與其他方法的融合

參考文獻

第2章支持向量機的模型選擇

2.1模型選擇問題

2.2基於尺度空間理論的核選擇方法

2.3基於回歸的核選擇方法

2.4基於數據分布的模型選擇方法

2.5基於凸包估計的核選擇方法

第3章基於領域知識的支持向量機建模

3.1領域知識與支持向量機的融合

3.1.1經驗知識

3.1.2不變性常識與SVM的融合技術

3.2基於最佳逼近點的不變性常識支持向量機模型

3.2.1基於最佳逼近點的不變性常識與支持向量機的融合方法

3.2.2數值實驗

3.3基於時間相關性核的支持向量機模型

3.3.1時序核函式構造

3.3.2環境時序預測建模方法

3.3.3數值實驗

第4章基於粒度計算的支持向量機建模

4.1粒度計算概述

4.1.1粒度計算的基本概念

4.1.2粒度計算的基本模型及現狀

4.2粒度支持向量機概述

4.2.1粒度支持向量機基本思想

4.2.2幾種典型的粒度支持向量機學習模型

4.3基於核方法的粒度支持向量機模型

4.3.1基於粒度核的粒度支持向量機模型

支持向量機建模及套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條