支持向量机导论

出版时间:2004-1  出版社:电子工业出版社  作者:克里斯特安尼 李国正 王猛 曾华军  页数:163  字数:215000  译者:李国正  
Tag标签:无  

内容概要

   支持向量机(SVM)是在统计学习理论的基础上发展起来的新一代学习算法,它在文本分类、手写识别、图像分类、生物信息学等领域中获行较好的应用。本书是第一本综合介绍支持向量机(SVM)的书籍,它从机器学习算法的基本问题开始,循序渐进地介绍相关的背景知识,包括线性分类器、核函数特征空间、推广性理论和优化理论,在此基础上很自然地引出了支持向量机的算法。本书末尾还详细讨论了一系列支持向量机的重要应用及其实现的技巧。本书的叙述清晰严谨,自包含性强,提供的大量相关文献引用以及网站链接可作为进一步学习的理想起始点。本书可作为计算机、自动化、机电工程、应用数学等专业的研究生教材,也可作为神经网络、机器学习、数据挖掘、人工智能等课程的参考教材,同时还是相关领域的教师和研究人员的参考书。

书籍目录

第1章 学习理论 1.1 监督学习 1.2 学习和泛化性 1.3 提高泛化性 1.4 学习的价值和缺点 1.5 用于学习的支持向量机 1.6 习题 1.7 补充读物和高级主题第2章 线性学习器 2.1 线性分类 2.2 线性回归 2.3 线性学习器的对偶表示 2.4 习题 2.5 补充读物和高级主题第3章 核函数特征空间 3.1 特征空间中的学习 3.2 到特征空间的隐式映树 3.3 构造核函数 3.4 特征空间中的计算 3.5 核与高斯过程 3.6 习题 3.7 补充读物和高级主题第4章 泛化性理论 4.1 可能近似正确学习模型 4.2 VC理论 4.3 泛化性的间隔界 4.4 其他泛化界和幸运度函数 4.5 回归的泛化性 4.6 学习的贝叶斯分析 4.7 习题 4.8 补充读物和高级主题第5章 最优化理论第6章 支持向量机第7章 实现技术第8章 支持向量机的应用附录A  SMO算法的伪码附录B  背景数学

媒体关注与评论

  一本综合性介绍支持向量机各项标准技术的著作,书中从学习方法到超平面、核函数、泛化性理论、最优化理论,最后总结到支持向量机理论,并介绍了其实现技术和应用。本书的叙述叙序渐进,内容深入浅出,既严谨又易于理解,得以了很多支持向量机研究者的订可。

图书封面

图书标签Tags

评论、评分、阅读与下载


    支持向量机导论 PDF格式下载


用户评论 (总计14条)

 
 

  •   入门级的好书,网站也内容很丰富!
  •   挺好的,适合入门
  •   不错,相当好。
  •   怎么这么长时间还没有收到书啊?
  •   比较经典的一本书,不用说其他的了。对SVM表述的还是比较细腻具体的。
  •   书的质量还行,个别地方翻译得不好。
  •   有点浅显了
  •   不过,讲述不够深入。
  •   如果本身对于支持向量机、分类和神经网感知器没有一个深入了解,这本书会非常难于理解。经常出现书叫“入门”“导论”“基础”,但是内容十分之复杂。
  •   支持向量机导论
  •   讲述的内容深入浅出,比较适合初学者学习。读过这本书之后感觉泛泛的。书中的欠缺是没有关于SVM的详细应用举例。
  •   感觉这本书不太适合入门的人读,需要对数学有一定基础的人读,对泛函,几何,微积分都有一定程度的人才适合读这本书.
  •   例子也比较少
  •   这本书的翻译水平确实不怎样的!其中有许多句子明显翻译的不通畅,建议英语水平好的人还是去买原版的支持向量机看吧!
 

250万本中文图书简介、评论、评分,PDF格式免费下载。 第一图书网 手机版

京ICP备13047387号-7