序言
符號錶
第1章 最優化問題及其基本理論
1.1 最優化問題
1.2 最優性條件
1.3 對偶理論
1.4 注記
參考文獻
第2章 求解分類問題和迴歸問題的直觀途徑
2.1 分類問題的提齣
2.2 綫性分類學習機
2.3 支持嚮量分類機
2.4 綫性迴歸學習機
2.5 支持嚮量迴歸機
2.6 注記
參考文獻
第3章 核
3.1 描述相似性的工具——內積
3.2 多項式空間和多項式核
3.3 Mercer核
3.4 正定核
3.5 核的構造
3.6 注記
參考文獻
第4章 推廣能力的理論估計
4.1 損失函數和期望風險
4.2 求解分類問題的一種途徑和一個算法模型
4.3 VC維
4.4 學習算法在概率意義下的近似正確性
4.5 一緻性概念和關鍵定理
4.6 結構風險最小化
4.7 基於間隔的推廣估計
4.8 注記
參考文獻
第5章 分類問題
5.1 最大間隔原則
5.2 綫性可分支持嚮量分類機
5.3 綫性支持嚮量分類機
5.4 支持嚮量分類機
5.5 ν-支持嚮量分類機（ν-SVC）
5.6 ν-支持嚮量分類機（ν-SVC）和C-支持嚮量分類機（C-SVC）的關係
5.7 多類分類問題
5.8 一個例子
5.9 注記
參考文獻
第6章 迴歸估計
6.1 迴歸問題
6.2 ε-支持嚮量迴歸機
6.3 ν-支持嚮量迴歸機
6.4 ε-支持嚮量迴歸機（ε-SVR）與ν-支持嚮量迴歸機（ν-SVR）的關係
6.5 其他形式的支持嚮量迴歸機
6.6 其他形式的損失函數
6.7 一些例子
6.8 注記
參考文獻
第7章 算法
7.1 無約束問題解法
7.2 內點算法
7.3 求解大型問題的算法
7.4 注記參考文獻
第8章 應用
8.1 模型選擇問題
8.2 分類問題的綫性分劃中的特徵選擇
8.3 模型選擇
8.4 靜態圖像中球的識彆
8.5 自由麯麵的重建問題
8.6 應用簡介
8.7 核技巧的應用
8.8 注記
參考文獻
附錄A 基礎知識
A.1 基本定義
A.2 梯度和Hesse矩陣
A.3 方嚮導數
A.4 Taylor展開式
A.5 分離定理
附錄B Hilbert空間
B.1 嚮量空間
B.2 內積空間
B.3 Hilbert空間
B.4 算子、特徵值和特徵嚮量
附錄C 概率
C.1 概率空間
C.2 隨機變量及其分布
C.3 隨機變量的數字特徵
C.4 大數定律
附錄D 鳶尾屬植物數據集
英漢術語對照錶
· · · · · · (收起)