支持向量機的算法設(shè)計與分析

《信息與計算科學(xué)叢書》序
前言
第1章 支持向量機的分類和回歸模型
1.1 多項式核函數(shù)
1.2 Mercer核
1.3 再生核Hilbert空間
1.4 正定核函數(shù)的構(gòu)造
1.5 二分類問題的數(shù)學(xué)提法
1.6 平分最近點模型
1.7 最大間隔模型
1.8 平分最近點模型和最大間隔模型之間的關(guān)系
1.9 回歸問題的數(shù)學(xué)提法
1.10 硬ε-帶超平面
1.11 基于分類的回歸模型
參考文獻
第2章 分解算法
2.1 無約束問題的提法
2.2 分解算法的提出
2.3 選塊算法
2.4 SVMLight算法
2.5 Platt的SMO算法
2.6 Keerthi的SMO改進算法
2.7 改進的SMO算法的收斂性
2.8 解回歸問題的SMO算法
2.9 擴展的Lagrange支持向量機
參考文獻
第3章 最小二乘支持向量機
3.1 最小二乘支持向量機
3.2 最小二乘隱空間支持向量機
3.3 基于矩陣模式的最小二乘支持向量機
3.4 最小二乘支持向量機的求解算法
3.5 最小二乘支持向量機的稀疏化算法
參考文獻
第4章 多分類問題
4.1 一對多算法
4.2 一對一算法
4.3 基于決策樹的支持向量機
4.4 嵌套算法
4.5 糾錯輸出編碼支持向量機
4.6 一次求解算法
4.7 支持向量機分類一回歸算法
參考文獻
第5章 模糊支持向量機
5.1 單邊加權(quán)模糊支持向量機
5.2 雙邊加權(quán)模糊支持向量機
5.3 基于加權(quán)間隔的模糊支持向量機
5.4 模糊支持向量機中的隸屬度設(shè)置
5.5 加權(quán)穩(wěn)健支持向量回歸方法
5.6 基于ε-不敏感學(xué)習(xí)的模糊系統(tǒng)
5.7 基于模糊if-then規(guī)則的ε-間隔非線性分類器
5.8 基于核模糊ε-均值聚類和最遠對策略的模糊支持向量機分類器
參考文獻
第6章 支持向量機的在線學(xué)習(xí)算法
6.1 基于增量和減量學(xué)習(xí)的支持向量機算法
6.2 增量支持向量機分類算法
6.3 增量支持向量機回歸算法
6.4 核遞歸最小二乘算法
6.5 基于結(jié)構(gòu)風(fēng)險最小化的在線核方法
6.6 快速的在線核分類器
參考文獻
第7章 大規(guī)模分類
7.1 大規(guī)模線性支持向量機算法
7.2 基于低秩核矩陣表示的支持向量機算法
7.3 縮減支持向量機
……