支持向量机

支持向量机 pdf epub mobi txt 电子书 下载 2025

出版者:科学出版社
作者:邓乃扬
出品人:
页数:244
译者:
出版时间:2009-8
价格:48.00元
装帧:平装
isbn号码:9787030250315
丛书系列:
图书标签:
  • 支持向量机
  • 机器学习
  • SVM
  • 数据挖掘
  • 人工智能
  • Machine-Learning
  • 计算机科学
  • AI
  • 支持向量机
  • 机器学习
  • 分类算法
  • 数据挖掘
  • 统计学习
  • 模式识别
  • 人工智能
  • 算法理论
  • 深度学习
  • 计算机科学
想要找书就要到 小美书屋
立刻按 ctrl+D收藏本页
你会得到大惊喜!!

具体描述

《支持向量机:理论、算法与拓展》以分类问题(模式识别、判别分析)和回归问题为背景,介绍支持向量机的基本理论、方法和应用。特别强调对所讨论的问题和处理方法的实质进行直观的解释和说明,因此具有很强的可读性。为使具有一般高等数学知识的读者能够顺利阅读,书中首先介绍了最优化的基础知识。《支持向量机:理论、算法与拓展》可作为理工类、管理学等专业的高年级本科生、研究生和教师的教材或教学参考书,也可供相关领域的科研人员和实际工作者阅读参考。

作者简介

目录信息

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)

读后感

评分

作者总是重复讲同一堆公式,加点东西又讲一次,重点都放在比较容易明白的线性分类上,对于支持向量机较难方面着笔较少。

评分

非常好的一本书,没想到能把支持向量机解释的那么清楚(我本以为这本书也就使把国外的许多本书拿过来摘抄而已),可以说这本书的价值已经超出我的预期了。就我已经看过的来书,作者总是尽力以直观的方法解释定理,这一点做得比国内的许多同行要出色。书中关于定义的表达,也犯...  

评分

最近在做东西又用到SVM,于是把这本书翻出来再看。作者从基本的优化开始将,而且在前面着重将SVM的思想解释出来,在后面SVM正式出场的时候觉得非常一目了然,很好理解。这本与英文版SVM introduction写作方法非常类似,不过英文版的需要有一些数学基础之后再看,而这里却直接把...  

评分

最近在做东西又用到SVM,于是把这本书翻出来再看。作者从基本的优化开始将,而且在前面着重将SVM的思想解释出来,在后面SVM正式出场的时候觉得非常一目了然,很好理解。这本与英文版SVM introduction写作方法非常类似,不过英文版的需要有一些数学基础之后再看,而这里却直接把...  

评分

讲得浅显透彻,比国内的很多教材强多了。看了此书不光学到了SVM的知识,我还更加理解为什么要学最优化和泛函分析。尤其是泛函,以前讲到hilbert空间、核函数的时候不明白这些抽象的东西到底有什么用,现在算是更加深入地理解了。  

用户评价

评分

不错,看下来脉络很清晰。看了前六章。

评分

毕设的主要参考资料,介绍了支持向量机的基本内容。推导很细致,一些细节方面比如SMO算法还需额外看论文补充。

评分

毕设的主要参考资料,介绍了支持向量机的基本内容。推导很细致,一些细节方面比如SMO算法还需额外看论文补充。

评分

怪不得这年头什么人都能转行大数据搞机器学习

评分

陈松灿老师的核方法课两本教材中的一本,讲的比较清楚,一直看到第八章为止。不好的地方是网上已经没得卖了。

本站所有内容均为互联网搜索引擎提供的公开搜索信息,本站不存储任何数据与内容,任何内容与数据均与本站无关,如有需要请联系相关搜索引擎包括但不限于百度google,bing,sogou

© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有