图书介绍
孪生支持向量机 理论、算法与拓展2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

- 丁世飞著 著
- 出版社: 北京:科学出版社
- ISBN:9787030548375
- 出版时间:2017
- 标注页数:132页
- 文件大小:20MB
- 文件页数:143页
- 主题词:向量计算机
PDF下载
下载说明
孪生支持向量机 理论、算法与拓展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
图书目录
第1章 统计学习理论基础1
1.1 机器学习1
1.1.1 机器学习的定义1
1.1.2 机器学习的发展史1
1.1.3 学习问题的表示2
1.1.4 经验风险最小化3
1.2 统计学习理论4
1.2.1 学习过程的一致性条件4
1.2.2 VC维4
1.2.3 推广性的界5
1.2.4 结构风险最小化5
1.3 本章小结6
参考文献7
第2章 支持向量机理论基础8
2.1 支持向量分类机8
2.1.1 最优分类超平面8
2.1.2 线性支持向量分类机9
2.1.3 非线性支持向量分类机10
2.1.4 支持向量11
2.1.5 核函数11
2.2 支持向量回归机11
2.2.1 损失函数12
2.2.2 线性支持向量回归机12
2.2.3 非线性支持向量回归机13
2.3 本章小结14
参考文献15
第3章 孪生支持向量机理论基础16
3.1 孪生支持向量机16
3.2 孪生支持向量回归机20
3.3 本章小结22
参考文献22
第4章 孪生支持向量机的模型选择问题23
4.1 基于粗糙集的孪生支持向量机23
4.1.1 基于粗糙集的特征选择23
4.1.2 算法流程23
4.1.3 数值实验与分析24
4.2 基于群智能优化的孪生支持向量机26
4.2.1 孪生支持向量机中的参数选择26
4.2.2 基于粒子群算法的孪生支持向量机27
4.2.3 基于果蝇算法的孪生支持向量机31
4.3 孪生支持向量机核函数的选择问题39
4.3.1 基于混合核函数的孪生支持向量机39
4.3.2 基于小波核函数的孪生支持向量机42
4.4 本章小结45
参考文献46
第5章 光滑孪生支持向量机47
5.1 光滑孪生支持向量机的理论47
5.1.1 原始空间中的求解算法47
5.1.2 光滑孪生支持向量机算法过程47
5.1.3 光滑孪生支持向量机的优势与不足49
5.2 多项式光滑孪生支持向量机50
5.2.1 PSTWSVM的原理及性质50
5.2.2 实验与分析55
5.3 加权光滑CHKS孪生支持向量机58
5.3.1 SCTWSVM的原理及性质58
5.3.2 非线性SCTWSVM61
5.3.3 SCTWSVM算法62
5.3.4 加权光滑CHKS孪生支持向量机算法过程62
5.3.5 实验与分析64
5.4 本章小结68
参考文献68
第6章 投影孪生支持向量机70
6.1 概述70
6.2 投影孪生支持向量机算法理论71
6.2.1 线性PTWSVM71
6.2.2 非线性PTWSVM73
6.3 基于矩阵模式的投影孪生支持向量机74
6.3.1 线性矩阵模式的投影孪生支持向量机:PTWSVMmat74
6.3.2 非线性的PTWSVMmat方法:Ker-PTWSVMmat78
6.4 递归最小二乘投影孪生支持向量机81
6.4.1 线性递归最小二乘投影孪生支持向量机81
6.4.2 非线性递归最小二乘投影孪生支持向量机83
6.5 光滑投影孪生支持向量机85
6.6 基于鲁棒局部嵌入的孪生支持向量机87
6.6.1 线性算法87
6.6.2 非线性算法89
6.7 本章小结90
参考文献91
第7章 局部保持孪生支持向量机93
7.1 概述93
7.2 线性局部保持孪生支持向量机94
7.3 算法奇异性问题96
7.4 非线性局部保持孪生支持向量机98
7.5 实验与分析99
7.5.1 测试人造数据集99
7.5.2 测试真实数据集100
7.6 本章小结103
参考文献103
第8章 原空间最小二乘孪生支持向量回归机105
8.1 标准TSVR模型105
8.2 最小二乘孪生支持向量回归机学习算法107
8.3 实验与分析110
8.3.1 人工数据集上的实验111
8.3.2 UCI数据集上的实验113
8.4 本章小结115
参考文献115
第9章 多生支持向量机116
9.1 多类分类问题116
9.2 多生支持向量机的数学模型117
9.2.1 线性多生支持向量机117
9.2.2 非线性多生支持向量机119
9.3 多生支持向量机的改进算法120
9.3.1 多生最小二乘支持向量机120
9.3.2 其他改进算法121
9.4 实验与分析123
9.5 本章小结124
参考文献125
第10章 总结与展望127
10.1 总结127
10.2 展望128
索引131
热门推荐
- 1836870.html
- 3449175.html
- 876681.html
- 438469.html
- 134019.html
- 3325437.html
- 441700.html
- 1843399.html
- 2045612.html
- 2933694.html
- http://www.ickdjs.cc/book_3499881.html
- http://www.ickdjs.cc/book_2827807.html
- http://www.ickdjs.cc/book_3392467.html
- http://www.ickdjs.cc/book_3283989.html
- http://www.ickdjs.cc/book_3517315.html
- http://www.ickdjs.cc/book_2584657.html
- http://www.ickdjs.cc/book_3807173.html
- http://www.ickdjs.cc/book_452837.html
- http://www.ickdjs.cc/book_2647487.html
- http://www.ickdjs.cc/book_334897.html