基本介紹
- 書名:支持向量機的算法設計與分析
- 出版社:科學出版社
- 頁數:203頁
- 開本:5
- 作者:楊曉偉 郝志峰
- 出版日期:2013年6月1日
- 語種:簡體中文
- 品牌:科學出版社
內容簡介,圖書目錄,
內容簡介
自2002年10月以來,作者一直從事支持向量機方面的研究工作,在分解算法、最小二乘支持向量機稀疏化、多分類、帶噪聲的模式識別和大規模分類等方面開展了一些研究工作,取得了一些有價值的研究成果。自2007年9月以來,作者開始在數學系計算數學專業和機率論與數理統計專業的研究生課程《機器學習》中講述支持向量機的內容,並形成了電子講義。經過六年的努力,完成和完善了楊曉偉和郝志峰專著的《支持向量機的算法設計與分析(精)》的內容。本書的內容一定程度上是作者關於支持向量機研究的一種體會和總結,希望本書的出版對機器學習、模式識別、數據挖掘、數學、統計等相關領域的研究者有所幫助。
圖書目錄
《信息與計算科學叢書》序
前言
第1章 支持向量機的分類和回歸模型
1.1 多項式核函式
1.2 Mercer核
1.3 再生核Hilbert空間
1.4 正定核函式的構造
1.5 二分類問題的數學提法
1.6 平分最近點模型
1.7 最大間隔模型
1.8 平分最近點模型和最大間隔模型之間的關係
1.9 回歸問題的數學提法
1.10 硬ε—帶超平面
1.11 基於分類的回歸模型
參考文獻
第2章 分解算法
2.1 無約束問題的提法
2.2 分解算法的提出
2.3 選塊算法
2.4 SVMLight算法
2.5 Platt的SMO算法
2.6 Keerthi的SMO改進算法
2.7 改進的SMO算法的收斂性
2.8 解回歸問題的SMO算法
2.9 擴展的Lagrange支持向量機
參考文獻
第3章 最小二乘支持向量機
3.1 最小二乘支持向量機
3.2 最小二乘隱空間支持向量機
3.3 基於矩陣模式的最小二乘支持向量機
3.4 最小二乘支持向量機的求解算法
3.5 最小二乘支持向量機的稀疏化算法
參考文獻
第4章 多分類問題
4.1 一對多算法
4.2 一對一算法
4.3 基於決策樹的支持向量機
4.4 嵌套算法
4.5 糾錯輸出編碼支持向量機
4.6 一次求解算法
4.7 支持向量機分類—回歸算法
參考文獻
第5章 模糊支持向量機
5.1 單邊加權模糊支持向量機
5.2 雙邊加權模糊支持向量機
5.3 基於加權間隔的模糊支持向量機
5.4 模糊支持向量機中的隸屬度設定
5.5 加權穩健支持向量回歸方法
5.6 基於ε—不敏感學習的模糊系統
5.7 基於模糊if—then規則的ε—間隔非線性分類器
5.8 基於核模糊c—均值聚類和最遠對策略的模糊支持向量機分類器
參考文獻
第6章 支持向量機的線上學習算法
6.1 基於增量和減量學習的支持向量機算法
6.2 增量支持向量機分類算法
6.3 增量支持向量機回歸算法
6.4 核遞歸最小二乘算法
6.5 基於結構風險最小化的線上核方法
6.6 快速的線上核分類器
參考文獻
第7章 大規模分類
7.1 大規模線性支持向量機算法
7.2 基於低秩核矩陣表示的支持向量機算法
7.3 縮減支持向量機
7.4 核向量機
7.5 多核學習機
7.6 局部化支持向量機
7.7 基於帶類標聚類特徵樹和局部學習的支持向量機分類算法
參考文獻
索引
《信息與計算科學叢書》已出版書目
前言
第1章 支持向量機的分類和回歸模型
1.1 多項式核函式
1.2 Mercer核
1.3 再生核Hilbert空間
1.4 正定核函式的構造
1.5 二分類問題的數學提法
1.6 平分最近點模型
1.7 最大間隔模型
1.8 平分最近點模型和最大間隔模型之間的關係
1.9 回歸問題的數學提法
1.10 硬ε—帶超平面
1.11 基於分類的回歸模型
參考文獻
第2章 分解算法
2.1 無約束問題的提法
2.2 分解算法的提出
2.3 選塊算法
2.4 SVMLight算法
2.5 Platt的SMO算法
2.6 Keerthi的SMO改進算法
2.7 改進的SMO算法的收斂性
2.8 解回歸問題的SMO算法
2.9 擴展的Lagrange支持向量機
參考文獻
第3章 最小二乘支持向量機
3.1 最小二乘支持向量機
3.2 最小二乘隱空間支持向量機
3.3 基於矩陣模式的最小二乘支持向量機
3.4 最小二乘支持向量機的求解算法
3.5 最小二乘支持向量機的稀疏化算法
參考文獻
第4章 多分類問題
4.1 一對多算法
4.2 一對一算法
4.3 基於決策樹的支持向量機
4.4 嵌套算法
4.5 糾錯輸出編碼支持向量機
4.6 一次求解算法
4.7 支持向量機分類—回歸算法
參考文獻
第5章 模糊支持向量機
5.1 單邊加權模糊支持向量機
5.2 雙邊加權模糊支持向量機
5.3 基於加權間隔的模糊支持向量機
5.4 模糊支持向量機中的隸屬度設定
5.5 加權穩健支持向量回歸方法
5.6 基於ε—不敏感學習的模糊系統
5.7 基於模糊if—then規則的ε—間隔非線性分類器
5.8 基於核模糊c—均值聚類和最遠對策略的模糊支持向量機分類器
參考文獻
第6章 支持向量機的線上學習算法
6.1 基於增量和減量學習的支持向量機算法
6.2 增量支持向量機分類算法
6.3 增量支持向量機回歸算法
6.4 核遞歸最小二乘算法
6.5 基於結構風險最小化的線上核方法
6.6 快速的線上核分類器
參考文獻
第7章 大規模分類
7.1 大規模線性支持向量機算法
7.2 基於低秩核矩陣表示的支持向量機算法
7.3 縮減支持向量機
7.4 核向量機
7.5 多核學習機
7.6 局部化支持向量機
7.7 基於帶類標聚類特徵樹和局部學習的支持向量機分類算法
參考文獻
索引
《信息與計算科學叢書》已出版書目