支持向量机的算法设计与分析pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

支持向量机的算法设计与分析PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 支持向量机的分类和回归模型 1

1.1多项式核函数 1

1.2 Mercer核 3

1.3再生核Hilbert空间 7

1.4正定核函数的构造 11

1.5二分类问题的数学提法 13

1.6平分最近点模型 14

1.7最大间隔模型 17

1.8平分最近点模型和最大间隔模型之间的关系 19

1.9回归问题的数学提法 23

1.10硬ε-带超平面 24

1.11基于分类的回归模型 25

参考文献 34

第2章 分解算法 36

2.1无约束问题的提法 36

2.2分解算法的提出 38

2.3选块算法 39

2.4 SVM Light算法 41

2.5 Platt的SMO算法 43

2.6 Keerthi的SMO改进算法 48

2.7改进的SMO算法的收敛性 49

2.8 解回归问题的SMO算法 51

2.9扩展的L agrange支持向量机 56

参考文献 60

第3章 最小二乘支持向量机 62

3.1最小二乘支持向量机 62

3.2最小二乘隐空间支持向量机 65

3.3基于矩阵模式的最小二乘支持向量机 66

3.4最小二乘支持向量机的求解算法 68

3.5最小二乘支持向量机的稀疏化算法 74

参考文献 87

第4章 多分类问题 89

4.1一对多算法 89

4.2一对一算法 91

4.3基于决策树的支持向量机 92

4.4嵌套算法 98

4.5纠错输出编码支持向量机 102

4.6一次求解算法 104

4.7支持向量机分类-回归算法 107

参考文献 109

第5章 模糊支持向量机 112

5.1单边加权模糊支持向量机 112

5.2双边加权模糊支持向量机 116

5.3基于加权间隔的模糊支持向量机 118

5.4模糊支持向量机中的隶属度设置 120

5.5加权稳健支持向量回归方法 123

5.6基于ε-不敏感学习的模糊系统 124

5.7基于模糊if-then规则的ε-间隔非线性分类器 127

5.8基于核模糊c-均值聚类和最远对策略的模糊支持向量机分类器 129

参考文献 134

第6章 支持向量机的在线学习算法 137

6.1基于增量和减量学习的支持向量机算法 137

6.2增量支持向量机分类算法 142

6.3增量支持向量机回归算法 143

6.4核递归最小二乘算法 147

6.5基于结构风险最小化的在线核方法 150

6.6快速的在线核分类器 153

参考文献 157

第7章 大规模分类 158

7.1大规模线性支持向量机算法 158

7.2基于低秩核矩阵表示的支持向量机算法 164

7.3 缩减支持向量机 172

7.4核向量机 173

7.5 多核学习机 178

7.6局部化支持向量机 186

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 188

参考文献 200

索引 204

《信息与计算科学丛书》已出版书目 205