作者：杨晓伟
页数：203
出版社：科学出版社
ISBN：9787030378699
电子书格式：pdf/epub/txt
内容简介
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。
本书特色
自2002年10月以来，作者一直从事支持向量机方面的研究工作，在分解算法、最小二乘支持向量机稀疏化、多分类、带噪声的模式识别和大规模分类等方面开展了一些研究工作，取得了一些有价值的研究成果。自2007年9月以来，作者开始在数学系计算数学专业和概率论与数理统计专业的研究生课程《机器学习》中讲述支持向量机的内容，并形成了电子讲义。经过六年的努力，完成和完善了杨晓伟和郝志峰专著的《支持向量机的算法设计与分析(精)》的内容。本书的内容一定程度上是作者关于支持向量机研究的一种体会和总结，希望本书的出版对机器学习、模式识别、数据挖掘、数学、统计等相关领域的研究者有所帮助。
目录
第1章 支持向量机的分类和回归模型 1．1 多项式核函数 1．2 Metcer核 1．3 再生核Hilbert空间 1．4 正定核函数的构造 1．5 二分类问题的数学提法 1．6 平分最近点模型 1．7 最大间隔模型 1．8 平分最近点模型和最大间隔模型之问的关系 1．9 回归问题的数学提法 1．10 硬□带超平面 1．11 基于分类的回归模型 参考文献第2章 分解算法 2．1 无约束问题的提法 2．2 分解算法的提出 2．3 选块算法 2．4 SVMLigh算法 2．5 Platt的SMO算法 2．6 Keeithi的SMO改进算法 2．7 改进的SMO算法的收敛性 2．8 解回归问题的SMO算法 2．9 扩展的Lagrange支持向量机 参考文献第3章 最小二乘支持向量机 3．1 最小二乘支持向量机 3．2 最小二乘隐空间支持向量机 3．3 基于矩阵模式的最小二乘支持向量机 3．4 最小二乘支持向量机的求解算法 3．5 最小二乘支持向量机的稀疏化算法 参考文献第4章 多分类问题 4．1 一对多算法 4．2 一对一算法 4．3 基于决策树的支持向量机 4．4 嵌套算法 4．5 纠错输出编码支持向量机 4．6 一次求解算法 4．7 支持向量机分类一回归算法 参考文献 第5章 模糊支持向量机 5．1 单边加权模糊支持向量机 5．2 双边加权模糊支持向量机 5．3 基于加权间隔的模糊支持向量机 5．4 模糊支持向量机中的隶属度设置 5．5 加权稳健支持向量回归方法 5．6 基于□不敏感学习的模糊系统 5．7 基于模糊ifthen规则的□间隔非线性分类器 5．8 基于核模糊c一均值聚类和最远对策略的模糊支持向量机分类器 参考文献第6章 支持向量机的在线学习算法 6．1 基于增量和减量学习的支持向量机算法 6．2 增量支持向量机分类算法 6．3 增量支持向量机回归算法 6．4 核递归最小二乘算法 6．5 基于结构风险最小化的在线核方法 6．6 快速的在线核分类器 参考文献第7章 大规模分类 7．1 大规模线性支持向量机算法 7．2 基于低秩核矩阵表示的支持向量机算法 7．3 缩减支持向量机 7．4 核向量机 7．5 多核学习机 7．6 局部化支持向量机 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 参考文献索引《信息与计算科学丛书》已出版书目
