图书介绍

支持向量机建模及应用PDF|Epub|txt|kindle电子书版本网盘下载

支持向量机建模及应用
  • 王文剑，门昌骞著 著
  • 出版社： 北京：科学出版社
  • ISBN：9787030401670
  • 出版时间：2014
  • 标注页数：276页
  • 文件大小：114MB
  • 文件页数：288页
  • 主题词：向量计算机

PDF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]
点击复制MD5值：dcbe0509fe1c24eb9427ece454353db5

下载说明

支持向量机建模及应用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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
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

图书目录

第1章 支持向量机方法1

1.1统计学习理论1

1.1.1经验风险极小化原理3

1.1.2结构风险极小化原理4

1.2支持向量机学习方法6

1.2.1基本形式6

1.2.2基本性质8

1.2.3其他形式10

1.3支持向量机的发展现状13

1.3.1误差界估计及模型选择14

1.3.2算法加速18

1.3.3与其他方法的融合20

参考文献21

第2章 支持向量机的模型选择26

2.1模型选择问题26

2.2基于尺度空间理论的核选择方法28

2.3基于回归的核选择方法41

2.4基于数据分布的模型选择方法60

2.5基于凸包估计的核选择方法67

参考文献74

第3章 基于领域知识的支持向量机建模76

3.1领域知识与支持向量机的融合76

3.1.1经验知识76

3.1.2不变性常识与SVM的融合技术76

3.2基于最佳逼近点的不变性常识支持向量机模型81

3.2.1基于最佳逼近点的不变性常识与支持向量机的融合方法81

3.2.2数值实验83

3.3基于时间相关性核的支持向量机模型87

3.3.1时序核函数构造87

3.3.2环境时序预测建模方法88

3.3.3数值实验89

参考文献92

第4章 基于粒度计算的支持向量机建模94

4.1粒度计算概述94

4.1.1粒度计算的基本概念94

4.1.2粒度计算的基本模型及现状94

4.2粒度支持向量机概述96

4.2.1粒度支持向量机基本思想96

4.2.2几种典型的粒度支持向量机学习模型98

4.3基于核方法的粒度支持向量机模型99

4.3.1基于粒度核的粒度支持向量机模型99

4.3.2基于核空间的GSVM模型103

4.4基于多维关联规则的粒度支持向量机模型111

4.4.1基于关联规则的粒度支持向量机学习模型111

4.4.2基于多维关联规则的粒划分113

4.4.3基于多维关联规则挖掘的GSVM学习方法114

4.4.4实验结果与分析116

参考文献119

第5章 基于半监督学习的支持向量机建模121

5.1半监督学习方法121

5.2直推支持向量机学习模型123

5.2.1直推支持向量机123

5.2.2 LS-TSVM124

5.3协同支持向量机学习模型128

5.3.1经典的半监督协同训练方法128

5.3.2基于差异性度量的支持向量回归机协同学习方法129

参考文献147

第6章 基于集成学习的支持向量机建模151

6.1集成学习方法151

6.1.1集成学习方法简介151

6.1.2经典的集成学习方法153

6.2集成学习建模157

6.2.1基于Bagging算法的回归支持向量机集成建模157

6.2.2基于特征选择的支持向量机Bagging模型160

6.2.3选择性支持向量机集成模型167

6.2.4面向大数据的集成支持向量机模型174

6.2.5基于集成支持向量机的核参数选择177

参考文献182

第7章 大规模数据的支持向量机建模185

7.1基于相似度度量的支持向量机建模185

7.1.1支持向量机的训练算法185

7.1.2基于相似度度量的快速支持向量回归方法187

7.1.3数值实验189

7.1.4算法在压缩训练集方面的有效性验证189

7.1.5不同规模训练集上的实验分析193

7.1.6相似度阈值在算法中的作用195

7.1.7算法对大规模训练集的有效性验证198

7.2基于神经网络的支持向量机建模200

7.2.1神经网络简介200

7.2.2基于ART神经网络的支持向量机200

7.2.3基于SOM神经网络的支持向量机201

7.2.4实验结果及相关分析202

7.3基于增量学习的支持向量机模型207

7.3.1面向分类的支持向量机增量学习模型207

7.3.2面向回归的支持向量机增量学习模型211

参考文献220

第8章 支持向量机的应用223

8.1支持向量机在空气质量预测中的应用223

8.1.1基于神经网络的预测模型223

8.1.2实验结果224

8.2支持向量机在中文垃圾邮件过滤中的应用228

8.2.1垃圾邮件过滤模型设计229

8.2.2中文电子邮件的特征表示231

8.2.3实验数据及评价指标234

8.2.4数据实验及分析235

8.3支持向量机在中文句法分析中的应用241

8.3.1结构化支持向量机学习方法242

8.3.2句法分析243

8.3.3基于SVM-struct的中文句法分析方法244

8.3.4实验结果与分析246

8.4支持向量机在图像分类中的应用252

8.4.1图像的特征提取与表示252

8.4.2基于SVM的图像分类方法254

8.5支持向量机在非平衡分类问题中的应用259

8.5.1非平衡数据处理方法259

8.5.2非平衡数据分类器性能评价标准260

8.5.3基于多维关联规则挖掘的GSVM的非平衡数据学习方法261

8.5.4基于聚类的GSVM的非平衡数据学习方法267

参考文献273

热门推荐