魯棒最小二乘支持向量機研究與應(yīng)用

1 緒論
1.1 研究背景和意義
1.2 魯棒支持向量機研究綜述
1.3 本書的內(nèi)容和結(jié)構(gòu)安排
1.4 研究方法和思路
1.5 本書的技術(shù)路徑
2 最優(yōu)化理論
2.1 最優(yōu)化問題的一般形式
2.2 約束極值問題的最優(yōu)化條件
2.3 庫恩塔克條件
2.4 對偶理論
2.5 小-結(jié)
3 二分類問題
3.1 引言
3.2 二分類模型
3.3 分類模型準(zhǔn)確率的估計方法
3.4 二分類算法的有效性
3.5 支持向量機
3.6 最小二乘支持向量機模型
3.7 小結(jié)
4 魯棒最小二乘支持向量機中的特征抽取和選擇
4.1 引言
4.2 特征選擇和抽取
4.3 核主成分法
4.4 稀疏L1-范數(shù)LS-SVM模型
4.5 雙層L1-范數(shù)LS-SVM模型
4.6 模糊L1-范數(shù)LS-SVM模型
4.7 小結(jié)
5 最小二乘支持向量機的魯棒分類模型
5.1 引言
5.2 Lp范數(shù)支持向量機的分類模型
5.3 魯棒賦權(quán)自適應(yīng)Lp范數(shù)最小二乘支持向量機
5.4 小-結(jié)
6 消費者信用風(fēng)險評估
6.1 引言
6.2 目前的消費者信用評估模型評述
6.3 消費者信用風(fēng)險評估模型的實證分析
6.4 KPCA-L1-LS=SVM模型在信用風(fēng)險中的應(yīng)用
6.5 FL1-LS-SVM模型在信用風(fēng)險中的應(yīng)用
6.6 魯棒賦權(quán)自適應(yīng)Lp范數(shù)LS-SVM模型在信用風(fēng)險中的應(yīng)用
6.7 小結(jié)
……
7 總結(jié)與展望
符號說明
參考文獻
后記
附圖
附表