信息與計算科學叢書（59）：支持嚮量機的算法設計與分析 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　支持嚮量機的研究是近十餘年機器學習、模式識彆和數據挖掘領域中的研究熱點，受到瞭汁算數學、統計、計算機、自動化和電信等有關學科研究者的廣泛關注，取得瞭豐碩的理論成果，並被廣泛地應用於文本分類、圖像處理、語音識彆、時間序列預測和函數估計等領域。
　　《信息與計算科學叢書（59）：支持嚮量機的算法設計與分析》首先介紹瞭核函數的概念；然後從幾何直觀的角度介紹瞭建立二分類模型和迴歸模型過程中所取得的理論成果；書末對於分解算法、*小二乘支持嚮量機、多分類、模糊支持嚮量機、在綫學習和大規模分類相關的成果進行瞭歸納和整理，從數學上對相關算法的原理進行瞭詳細分析。
　　《信息與計算科學叢書（59）：支持嚮量機的算法設計與分析》的內容既包括支持嚮量機的新進展，也包括作者的多年研究成果作者希望《信息與計算科學叢書（59）：支持嚮量機的算法設計與分析》能夠有助於對機器學習、模式識彆和數據挖掘感興趣的讀者更加快速地瞭解支持嚮量機的新研究動態，能夠有助於讀者理清算法的本質，從而使讀者能夠在已有研究成果的基礎之上更加有效地開展工作。
　　《信息與計算科學叢書（59）：支持嚮量機的算法設計與分析》可作為數學、統計、計算機、電信、自動化等有關專業的高年級本科生和研究生教材，也可作為相關領域的教師和科研工作者的參考書。

內頁插圖

目錄

《信息與計算科學叢書》序
前言

第1章 支持嚮量機的分類和迴歸模型
1．1 多項式核函數
1．2 Mercer核
1．3 再生核Hilbert空間
1．4 正定核函數的構造
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 迴歸問題的數學提法
1．10 硬帶超平麵
1．11 基於分類的迴歸模型
參考文獻

第2章 分解算法
2．1 無約束問題的提法
2．2 分解算法的提齣
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 解迴歸問題的SMO算法
2．9 擴展的Lagrange支持嚮量機
參考文獻

第3章 最小二乘支持嚮量機
3．1 最小二乘支持嚮量機
3．2 最小二乘隱空間支持嚮量機
3．3 基於矩陣模式的最小二乘支持嚮量機
3．4 最小二乘支持嚮量機的求解算法
3．5 最小二乘支持嚮量機的稀疏化算法
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 基於決策樹的支持嚮量機
4．4 嵌套算法
4．5 糾錯輸齣編碼支持嚮量機
4．6 一次求解算法
4．7 支持嚮量機分類迴歸算法
參考文獻

第5章 模糊支持嚮量機
5．1 單邊加權模糊支持嚮量機
5．2 雙邊加權模糊支持嚮量機
5．3 基於加權間隔的模糊支持嚮量機
5．4 模糊支持嚮量機中的隸屬度設置
5．5 加權穩健支持嚮量迴歸方法
5．6 基於不敏感學習的模糊係統
5．7 基於模糊if-then規則的間隔非綫性分類器
5．8 基於核模糊c-均值聚類和最遠對策略的模糊支持嚮量機分類器
參考文獻

第6章 支持嚮量機的在綫學習算法
6．1 基於增量和減量學習的支持嚮量機算法
6．2 增量支持嚮量機分類算法
6．3 增量支持嚮量機迴歸算法
6．4 核遞歸最小二乘算法
6．5 基於結構風險最小化的在綫核方法
6．6 快速的在綫核分類器
參考文獻

第7章 大規模分類
7．1 大規模綫性支持嚮量機算法
7．2 基於低秩核矩陣錶示的支持嚮量機算法
7．3 縮減支持嚮量機
7．4 核嚮量機
7．5 多核學習機
7．6 局部化支持嚮量機
7．7 基於帶類標聚類特徵樹和局部學習的支持嚮量機分類算法
參考文獻

索引
《信息與計算科學叢書》已齣版書目

前言/序言

　　20世紀90年代中期，基於統計學習理論，Vapnik提齣瞭支持嚮量機（support vector machine，SVM）模型，其在手寫體郵政編碼識彆中的成功應用引起瞭模式識彆、數據挖掘、機器學習、數學、統計等相關領域國內外研究人員的廣泛關注。近十餘年來，研究者在支持嚮量機的理論研究和算法實現方麵都取得瞭突破性的進展，湧現齣瞭一批科研成果。目前，支持嚮量機被廣泛地應用於基於內容的視頻檢索、網頁分類、文本分類、光學字符識彆、信號處理和生物信息處理等領域。
　　自2002年10月以來，作者一直從事支持嚮量機方麵的研究工作，在分解算法、最小二乘支持嚮量機稀疏化、多分類、帶噪聲的模式識彆和大規模分類等方麵開展瞭一些研究工作，取得瞭一些有價值的研究成果。自2007年9月以來，作者開始在數學係計算數學專業和概率論與數理統計專業的研究生課程《機器學習》中講述支持嚮量機的內容，並形成瞭電子講義，經過六年的努力，完成和完善瞭本書的內容。本書的內容一定程度上是作者關於支持嚮量機研究的一種體會和總結，希望本書的齣版對機器學習、模式識彆、數據挖掘、數學、統計等相關領域的研究者有所幫助
　　本書各章的主要內容如下：第1章介紹瞭核函數、二分類模型和迴歸模型第2章討論瞭解支持嚮量機模型的流行方法——分解算法，第3章討論瞭最小二乘支持嚮量機的模型、求解算法和稀疏化問題。第4章討論瞭多分類算法，第5章討論瞭模糊支持嚮量機的模型和隸屬度設置問題，第6章討論瞭支持嚮量機的在綫學習算法，第7章討論瞭大規模綫性分類算法和大規模非綫性分類算法，特彆討論瞭新的基於局部學習的大規模非綫性分類算法，本書包括瞭作者多年的研究成果，例如，對於分解算法，提齣瞭擴展的Lagrange支持嚮量機；對於最小二乘支持嚮量機，基於增量學習和減量學習，提齣瞭自下而上的稀疏化算法；對於多分類，提齣瞭基於一對多分割的二叉樹支持嚮量機算法和基於一對一策略的嵌套算法；對於模糊支持嚮量機，一方麵提齣瞭基於核模糊c_均值聚類和最遠對策略的模糊支持嚮量機解決帶噪聲的分類問題，另一方麵也提齣瞭基於孤立點刪除的加權最小二乘支持嚮量機。對於大規模分類問題，提齣瞭基於帶標注聚類特徵樹和局部學習的支持嚮量機算法。
信息與計算科學叢書（59）：支持嚮量機的算法設計與分析 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價