支持向量分類機及其應用

第1章 緒 論
1.1 機器學習
1.2 統(tǒng)計學習理論
1.3 支持向量機基本思想
1.4 支持向量機的研究現(xiàn)狀
1.5 本書研究的主要內(nèi)容和結構
第2章 支持向量機的理論基礎和模型
2.1 支持向量機的優(yōu)化理論基礎
2.2 支持向量分類機的各種模型
2.3 支持向量回歸機的各種模型
2.4 小結
第3章 分類問題的支持向量回歸機求解途徑
3.1 一般形式的支持向量回歸機模型
3.2 使用高斯損失函數(shù)的支持向量回歸機模型
3.3 求解分類問題的支持向量回歸機模型
3.4 簡化的SMO算法
3.5 求解分類問題的支持向量回歸機線性規(guī)劃模型
3.6 求解多類分類問題的支持向量回歸機線性規(guī)劃模型
3.7 數(shù)值試驗
3.8 小結
第4 章 中心支持向量分類機
4.1 基本思想
4.2 加權的中心支持向量分類機
4.3 多類問題分類模型
4.4 不確定中心支持向量分類機
4.5 小結
第5 章 推理型支持向量分類機
5.1 原始化問題及其對偶問題
5.2 改進的推理型支持向量機
5.3 網(wǎng)絡入侵檢測的新方法
5.4 小結
第6 章 基于支持向量機的海水工廠化養(yǎng)殖環(huán)境監(jiān)測
6.1 海水養(yǎng)殖問題研究的背景和意義
6.2 支持向量機應用于海水養(yǎng)殖問題的提出
6.3 支持向量機在大菱鲆養(yǎng)殖中的應用
6.4 小結
第7 章 支持向量機在其他領域的應用
7.1 在地源熱泵系統(tǒng)中的應用
7.2 在教師教育師資隊伍評價中的應用
7.3 在義務教育學校均衡發(fā)展評價中的應用
7.4 在商務采購決策管理中的應用
7.5 在棚栽植物生長環(huán)境監(jiān)測中的應用
參考文獻
附 錄
附錄 A 基礎知識
附錄B 希爾伯特空間
附錄C 概 率
附錄D 鳶尾屬植物數(shù)據(jù)集
附錄E 化理論基礎