序言
符号表
第1章 最优化基础
1．1 欧式空间上的最优化问题
1．1．1 最优化问题实例
1．1．2 最优化问题及其解
1．1．3 最优化问题的几何解释
1．2 欧式空间上的凸规划
1．2．1 凸集和凸函数
1．2．2 凸规划问题及其基本性质
1．2．3 凸规划的对偶理论
1．2．4 凸规划的最优性条件
1．2．5 线性规划
1．3 Hilbert空间上的凸规划
1．3．1 凸函数及Frechet导数
1．3．2 凸规划问题
1．3．3 凸规划的对偶理论
1．3．4 凸规划的最优性条件
1．4 欧式空间上带有广义不等式约束的凸规划
1．4．1 带有广义不等式约束的凸规划
1．4．2 带有广义不等式约束的凸规划的对偶理论
1．4．3 带有广义不等式约束的凸规划的最优性条件
1．4．4 二阶锥规划
1．4．5 半定规划
1．5 Hilbert空间上带有广义不等式约束的凸规划
1．5．1 K－凸函数与Frechet导数
1．5．2 凸规划问题
1．5．3 凸规划的对偶理论
1．5．4 凸规划的最优性条件
第2章 线性分类机
2．1 分类问题的提出
2．1．1 例子（心脏病诊断）
2．1．2 分类问题和分类机
2．2 线性可分问题的支持向量分类机
2．2．1 最大间隔法_
2．2．2 线性可分问题的支持向量分类机
2．2．3 支持向量
2．3 线性支持向量分类机
2．3．1 最大间隔法
2．3．2 线性支持向量分类机
第3章 线性回归机
3．1 回归问题和线性回归问题
3．2 硬ε带超平面
3．2．1 从线性回归问题到硬乒带超平面
3．2．2 硬ε-带超平面与线性分划
3．2．3 构造硬ε带超平面的最优化问题
3．3 线性硬ε-带支持向量回归机
3．3．1 原始问题
3．3．2 对偶问题及其与原始问题解的关系
3．3．3 线性硬ε-带支持向量回归机
3．4 线性ε-支持向量回归机
3．4．1 原始问题
3．4．2 对偶问题及其与原始问题解的关系
3．4．3 线性ε-支持向量回归机
第4章 核与支持向量机
4．1 从线性分划到非线性分划
4．1．1 非线性分划的例子
4．1．2 基于非线性分划的分类算法
4．1．3 基于非线性分划的回归算法
4．2 核函数
4．2．1 核函数及其特征
4．2．2 核函数的判定和常用的核函数
4．3 支持向量机及其性质
4．3．1 支持向量分类机
4．3．2 支持向量回归机
4．4 支持向量机中核函数的选取
4．4．1 已知训练集时核函数的选取
4．4．2 核函数的直接构造
第5章 C-支持向量分类机的统计学基础
5．1 分类问
5．1．1 概率分布
5．1．2 分类问题的统计学提法
5．2 经验风险最小化原则
5．3 VC维
5．4 结构风险最小化原则
5．5 结构风险最小化原则的一个直接实现
5．5．1 原始问题
5．5．2 拟对偶问题及其与原始问题的关系
5．5．3 结构风险最小化分类机
5．6 C-支持向量分类机的统计学习理论基础
5．6．1 C-支持向量分类机的回顾
5．6．2 对偶问题与拟对偶问题的关系
5．6．3 C-线性支持向量分类机的统计学习理论解释
……
第6章模型选择
第7章算法
第8章支持向量机的变形与拓广
参考文献
索引
· · · · · · (收起)